Cardinality-constrained Value at Risk based Portfolio Optimization Using Krill Herd Metaheuristic Algorithm (Case study: Tehran Stock Exchange)
چشمانداز مدیریت مالی(2022)
摘要
همواره یکی از اساسیترین مسائل در تصمیمات سرمایهگذاری و بهینهسازی سبد سهام انتخاب یک سنجه مناسب برای بررسی ریسک و کاهش آن بوده است. در این مطالعه، به بررسی عملکرد الگوریتم دستههای میگو در بهینهسازی مدلهای میانگین-ارزش در معرض ریسک و میانگین-ارزش در معرض ریسک شرطی با در نظر گرفتن محدودیت تعداد سهام برای 35 شرکت فعال در بورس اوراق بهادار تهران پرداخته شدهاست. برای آموزش الگوریتم از روش پنجره غلتان در دورههای 1390 تا 1397 و 1391 تا 1398 استفاده شدهاست. همچنین نسبت شارپ و نسبت شارپ شرطی سبدهای حاصله مقایسهشده و معناداری تفاوت مدلها با آزمون ویلکاکسون ارزیابی شده است. یافتهها حاکی از آن است که بیشترین مقدار بازده با اختلاف کمی متعلق به مدل با سنجه ارزش در معرض ریسک شرطی میباشد. لیکن در هر دو روش، سبدهای متشکل از 5 سهم دارای عملکرد بهتری میباشند. با توجه به بررسیهای صورتگرفته در میان خروجیها و مقایسات میان ردهای، این نتیجه حاصل گردید که بین عملکرد مدلهای بهینهسازی مبتنی بر سنجهی ارزش در معرض ریسک و ارزش در معرض ریسک شرطی تفاوت معناداری وجود ندارد. همچنین محدودیت کاردینالیتی عملکرد مدل را بهبود میبخشد و سبد با تعداد سهام کمتر بازدهی بهتری از خود نشان میدهد.
更多查看译文
关键词
krill herd metaheuristic algorithm,portfolio optimization,stock,cardinality-constrained
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要