بهینه سازی سبد سهام با تلفیق تحلیل پوششی داده ها و روش تصمیم گیری هورویتز
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 60
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-1-4_007
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
مسئله بهینه سازی سبد سهام یکی از جذاب ترین مسائل مالی و سرمایه گذاری است. منظور از بهینه سازی سبد سهام، تعیین شرکت ها و میزان سهمی است که یک سرمایه گذار می تواند خریداری نماید به گونه ای که از منافع سرمایه خود استفاده کرده و از خطرات آن اجتناب نماید. از نقطه نظر ریاضی مدل مارکوویتز مهمترین مدل بهینه-سازی سبد سهام است. علی رغم اهمیت این مدل، می توان آن را به جهت اتکا بر بازده تاریخی، که لزوما منعکس کننده وضعیت واقعی شرکت نیست، مورد انتقاد قرار داد. این پژوهش را می توان از معدود پژوهش هایی طبقه بندی کرد که بازده تاریخی شرکت ها را مبنای تصمیم گیری برای بهینه سازی قرار نمی دهند. این پژوهش با استفاده از تکنیک تحلیل پوششی داده ها و روش های تصمیم گیری چند معیاره به حل مساله بهینه-سازی می پردازد. در گام اول نسبت های مالی مناسب به عنوان ورودی و خروجی در تحلیل پوششی داده ها به کار گرفته می شوند و پس از آن با استفاده از وزن های بهینه به محاسبه کارایی متقاطع برای هرواحد می پردازد. در ادامه از ماتریس کارایی متقاطع به عنوان یک ماتریس تصمیم، تعبیر شده که براساس آن می توان شرکت ها، را گزینه قلمداد کرد و با معیارهای متعدد مورد ارزیابی قرار داد. بر این مبنا و براساس تفسیری که از کارایی متقاطع ارائه می شود روش های تصمیم گیری بیشینه کمینه، بیشینه بیشینه و هورویتز به عنوان روش بهینه سازی سبد سهام به کار گرفته می شوند و در پایان عملکرد سبد های پیشنهادی با روش های فوق با دو شاخص شارپ و جنسن بررسی می شوند. نتایج پژوهش نشان از موفقیت سبد پیشنهادی روش بیشینه بیشینه و برخی از سبدهای پیشنهادی روش هورویتز نسبت به سبد بازار دارد.
کلیدواژه ها:
نویسندگان
مهشید گودرزی
کارشناسی ارشد گروه مدیریت، دانشگاه گیلان، رشت، ایران
کیخسرو یاکیده
استادیار گروه مدیریت، دانشگاه گیلان، رشت، ایران
غلامرضا محفوظی
استادیار گروه مدیریت، دانشگاه گیلان، رشت، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :