بهینه سازی سبد سهام با استفاده از مدل های چندمتغیر GARCH؛ شواهدی از بورس اوراق بهادار تهران
محل انتشار: کنفرانس بین المللی حسابداری،اقتصاد و مدیریت مالی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,218
فایل این مقاله در 17 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:
AEFMC01_305
تاریخ نمایه سازی: 18 دی 1393
چکیده مقاله:
در این پژوهش، تخصیص مناسب سبد سرمایه گذاری متشکل از سهام صنایع منتخب خودرو و ساخت قطعات ، مواد ومحصولات دارویی ، محصولات شیمیایی ، کاشی و سرامیک و قند و شکر عضو سازمان بورس اوراق بهادار تهران از طریق مدل های MGARCH مورد بررسی قرار می گیرد. این نوع از مدل ها یکی از ابزارهای بسیار مناسب برای تحلیل و پبش بینی نوسانات سری های زمانی ای است که در طول زمان نوسان دارند. همچنین در ادبیات اقتصاد سنجی به منظور تخمین ماتریس کوواریانس شرطی، از این مدل استفاده می شود و با در دست داشتن ماتریس کوواریانس شرطی و بازدهی مورد انتظارسرمایه گذاری های موجود در سبد، وزن بهینه ی سرمایه گذاری های موجود در سبد را تعیین می کنیم. در این پژوهش به صورت جداگانه با استفاده از 4 مدل از مدل های GARCH به نام های ،Diagonal-BEKK, CCC ،Diagonal-VECH و DCC، ماتریس کوواریانس شرطی زمان متغیر براساس این 4مدل چند متغیره ی ناهمسان واریانس تخمین زده می شود. سپس بهینه سازی سبد با رویکرد حداقل سازی ریسک سبد سرمایه گذاری انجام شده و وزن های بهینه ی صنایع چهارگانه منتخب، در طی زمان برای تک تک مدل ها مشخص خواهند شد.
کلیدواژه ها:
تئوری سبد سرمایه گذاری مارکوویتز ، سری های زمانی ، مدل چند متغیره GARCH ، ماتریس کوواریانس شرطی زمان-متغیر ، وزن بهینه از سبد سرمایه گذاری
نویسندگان
کامیار عسکری
کارشناس ارشد مدیریت صنعتی دانشگاه آزاد اسلامی واحد تهران جنوب
فرید عسگری
عضو هیئت علمی دانشگاه آزاد اسلامی واحد ابهر
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 :