بررسی عملکرد معیارهای متفاوت ریسک در انتخاب و بهینه‌سازی سبد سهام با استفاده از الگوریتم مورچگان در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران

نویسندگان

1 دانشگاه آزاد اسلامی. تهران مرکزی

2 علامه طباطبائی

3 دانشگاه آزاد اسلامی

چکیده

یکی از مهمترین دغدغه‌های سرمایه‌گذاران در بازار سرمایه، انتخاب سهم یا سبد بهینه از لحاظ سودآوری است. به همین منظور تنوع روش‌های انتخاب سبد سهام در سرمایه‌گذاری و پیچیدگی تصمیم‌گیری‌ها در دهه‌های اخیر به شدت گسترش یافته است. روش‌های سنتی در انتخاب و بهینه‌سازی سبد سهام از کارایی لازم برخوردار نیستند و بنابراین استفاده از الگوریتم‌های ابتکاری مورد توجه بیشتری قرار گرفته است. هدف این پژوهش، مدلسازی مسئله انتخاب سبد سهام با به کارگیری معیارهای متفاوت ریسک، شامل واریانس، نیمه واریانس، ارزش در معرض ریسک و ارزش در معرض ریسک احتمالی و بهینه‌سازی آن با کاربرد یکی از این دسته الگوریتم‌ها، یعنی الگوریتم کلونی مورچگان است. در این راستا، به مقایسه مرزهای کارای حاصل از مدل‌های مختلف ریسک و همچنین مقایسه مدل‌های مختلف از لحاظ زمان CPU اقدام شد. نتایج بررسی نشان داد که مدل میانگین-ارزش در معرض ریسک احتمالی قادر است که سطوح بالاتری از بازده را با حداقل‌سازی ارزش در معرض ریسک احتمالی نشان دهد. از طرفی زمان صرف شده برای اجرای مدل میانگین واریانس کمترین و زمان صرف شده برای مدل میانگین- ارزش در معرض ریسک احتمالی بیشترین مقدار را به خود اختصاص دادند. در نتیجه، هر چند CVaR، مرزهای کارای بهتری را ارائه می‌نماید، ولی از لحاظ زمان اجرا به خصوص در اندازه‌های بالای سبد معیار مناسبی نمی‌باشد. در خیلی موارد همچنان واریانس به علت سادگی محاسبه آن به عنوان معیار ریسک مورد استفاده بسیاری از سرمایه‌گذاران قرار می‌گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Examining the Performance of Different Risk Criteria in Portfolio Selection and Optimization, Using the Ant Colony Algorithm In companies Listed at the Tehran Stock Exchange

نویسندگان [English]

  • mirfeiz fallahshams 1
  • ahmad abdollahi 2
  • Motahare Moghaddassi 3
چکیده [English]

One of the most important concerns of investors in the capital market is the selection of a portfolio that is optimal in terms of profitability. Therefore, variability in portfolio selection method in investment and complexity in decision making has been greatly expanded in recent decades. Traditional methods in portfolio selection and optimization do not offer enough efficiency that is why the use of innovative methods is preferred. The purpose of this study is to model portfolio selection problem using different risk measures, including variance, semi-variance, value at risk, as well as conditional value at risk and optimization of its value using one of these algorithms, i.e., the ant colony algorithm. In this regard, a comparison of the efficient frontier of different risk methods and a comparison of different models in terms of the CPU time has been made. To determine the optimal portfolio, financial data of listed companies at the Tehran Stock Exchange were used for the period of 2001-2008 (1380-1387). Furthermore, for designing the graphs of the study in order that the comparison of different risk methods is rendered in terms of CPU time, the Excel2007 software was used and to compare different efficient frontier the Matlab7.1 software was utilized.
The results of the review indicated that the Mean-CVAR method can show higher levels of return with the least conditional value at risk. On the other hand, run time of the algorithm for the four methods in different sizes of the portfolio was compared. According to the presented results, the time spent on the implementation of the Mean-Variance method assigned the lowest, and the time spent for the implementation of the Mean-CVAR method appropriated the highest time respectively.
As a result, it can be said that although the CVAR offers better efficient frontier it is not a good measure for the big sizes of portfolio. That is why, in many cases variance due to its calculation simplicity is still used as risk criteria by many investors

کلیدواژه‌ها [English]

  • Portfolio
  • the Ant Colony Algorithm
  • Conditional Value at Risk
  • Tehran Stock Exchange
 

منابع

  • اقبال نیا‌، محمد (1384)، «طراحی مدلی برای مدیریت ریسک سرمایه‌گذاری در بورس اوراق بهادار تهران با استفاده از مفهوم ارزش در معرض ریسک»، پایان‌نامه کارشناسی ارشد مدیریت مالی، دانشگاه شهید بهشتی‌.
  • جهانخانی، علی و علی پارساییان، (1374)، «بورس اوراق بهادار»، تهران، انتشارات دانشکده مدیریت دانشگاه تهران
  • راعی‌، رضا. و تلنگی، احمد (1383)، «مدیریت سرمایه‌گذاری پیشرفته»، تهران: سمت.
  • عباسی، ابراهیم، تیمورپور، بابک، برجسته ملکی، منوچهر، «کاربرد ارزش در معرض ریسک در تشکیل سبد سهام بهینه­ی در بورس اوراق بهادار تهران»، مجله تحقیقات اقتصادی، شماره 87، تابستان 1388، صفحات 75-90
  • عبدا...زاده، فرهاد، (1381)، «مدیریت سرمایه‌گذاری و بورس اوراق بهادار»، تهران، نشر پردازش گران
  • فرید، داریوش، میر فخرالدینی، سید حیدر، رجبی پورمیبدی، علیرضا، «کاربست VaR و انتخاب پرتفوی بهینه با استفاده از تکنیک شبیه‌سازی مونت کارلو(MCS)  در بورس اوراق بهادار تهران»، مجله  علمی-پژوهشی دانش و توسعه، سال هجدهم، شماره 31، تابستان 1389
  • فلاح شمس، میرفیض، (1389)،  «بررسی مقایسه­ای کارایی مدل ریسک سنجی و مدل اقتصادسنجی GARCH در پیش­بینی ریسک بازار در بورس اوراق بهادار تهران»، مجله مهندسی مالی و مدیریت پرتفوی شماره پنجم، زمستان 1389
    • Anca, M. (2003), “The Efficient Conditional Value-at-Risk/Expected Return Frontier”, (M.Sc. Dissertation). The Academy of Economic Studies, Bucharest, Romania.
    • Artzner, P., Delbaen, F., Eber, J.M., & Heath, D. (1999), “Coherent Measures of Risk”,  Journal of Mathematical Finance , 9, 203-228.
    • Benbachir, Saâd,  Gaboune, Brahim, Alaoui, Marwane El, “Comparing Portfolio Selection using CVaR and Mean-Variance Approach”, International Research Journal of Finance and Economics, ISSN 1450-2887 Issue 88 (2012) © EuroJournals Publishing, Inc.
    • Chang, T.J., Yang, S.C., Chang, K.J. ,(2009), “Portfolio optimization problems in different risk measures using genetic algorithm”, Expert Systems with Applications 36: 10529–10537
    • Cho, Wei Ning, (2008), “Robust Portfolio Optimization Using Conditional Value At Risk”, Final Report, imperial College London, Department of Computing
    • Doerner, K.F., W.J. Gutjahr, R.F. Hartl, C. Strauss, C. Stummer, (2001), “Ant Colony Optimization in Multi Objective Portfolio Selection”, MIC’2001-4th Metaheuristics International Conference
    • Doerner, K.F,  a,*, W.J. Gutjahr b, R.F. Hartl a, C. Strauss a, C. Stummer,(2006), “Pareto ant colony optimization with ILP preprocessing in multiobjective project portfolio selection”, European Journal of Operational Research 171 (2006) 830–841
    • Dorigo Marco, and Stutzle Thomas, “Ant Colony Optimization”, IRIDIA lab at the Université Libre de Bruxelles , 2004
    • Estrada, Javier,(2007), "Mean-Semivariance Optimization:A Heuristic Approach", Electronic copy available at: http://ssrn.com
    • Fabozzi, Frank J., Petter N. Kolm, Dessislava A. Pachamanova, Sergio M. Focardi, (2007), " Robust Portfolio Optimization and Management", John Wiley & Sons, Inc
    • Filho, Valdemer Antonio Dallagnol, (2006), “Portfolio Management Using Value at risk: Acomparison Between Genetic Algorithms and Particle swarm Optimization”, Master Thesis Informatics & Economics, University Rotterdam
    • Forqandoost Haqiqi, Kambiz and Tohid Kazemi,(2012), “Ant Colony Optimization Approach to Portfolio Optimization – A Lingo Companion” , International Journal of Trade, Economics and Finance, Vol. 3, No. 2, April 2012
    • Gutjahr, Walter J. ,  Katzensteiner, s., Reiter, P., Stummer, C., Denk, M., (2008), “Competence_Driven Project Portfolio Selection, Scheduling and Staff Assignment”
    • Hoe, Lam Weng, Hafizah, Jaaman Saiful, Zaidi, Isa, “An empirical comparison of different risk measures in portfolio optimization”, BEH - Business and Economic Horizons, Volume 1, Issue 1, April 2010 ,pp. 39-45
    • Huang, X., (2007), “Portfolio Selection with a new Defenition of risk”, European Journal of Operational research, O.R.Applications.
    • Khalidji, Mojtaba, Zeiaee, M., Taei, A., Jahed Motlagh, M.R., Khaloozadeh, H.,(2009), “Dynamically Weighted Continuous Ant Colony Optimization for Bi_Objective Portfolio Selection Using Value at risk”, IEE Computer Society, Third Asia International Conference on modeling &Simulation
    • Lai, king keung, leanYu, Shouyang Wang, & Chengxiong Zhou, (2006), "A Double-Stage Genetic Optimization Algorithm for Portfolio Selection", ICONIP 2006, part ш, LNCS 4234, pp. 928-937
    • Lin, Chi-Ming, Mitsuo Gen, ( 2007)," An Effective Decision-Based Genetic Algorithm Approach to Multiobjective Portfolio Optimization Problem",Applied Mathematical Sciences, Vol.1, no.5, 201 – 210
    • Markowitz, Harry M.(1952),” portfolio selection”, Journal of finance , 7, 77-91
    • Markowitz, Harry M.(1959),” portfolio selection: Efficient Diversification of investment”, John Wiley & sons
    • Mishra, S.K., Panda, G., Meher, S., (2009), “Multi_objective Particle Swarm Optimization approach to portfolio optimization”, World congress on nature and biologically inspired computing
    • Parrák, Radovan & Jakub Seidler,(2010)“Mean-Variance & Mean-VaR Portfolio Selection: A Simulation BasedComparison in the Czech Crisis Environment”, IES Working Paper: 2010, Institute of Economic Studies, Faculty of Social Sciences Charles University in Prague
    • Saita, F. (2007), “Value at Risk & Bank Capital Management”, New York: Elsevier.
    • Shaw, William T., “Risk, VaR, CVaR and their associated Portfolio Optimizations when Asset Returns have a Multivariate Student T Distribution”, March 1, 2011, arXiv:1102.5665v1 [q-fin.PM] 28 Feb 2011
    • Uryasev, S. (2007). Optimization Using Cv@r, “Algorithms & Applications, Stochastic Optimization”, ESI 6912 Industrial & Manufacturing Engineering Class Notes, University of Florida, USA.
    • Vu, Hien Quoc, “Comparing Return-Risk and Direct Utility Maximization Portfolio Optimization Methods by ‘Certainty Equivalence Curves’”, MASTER THESIS (To fulfill the thesis requirement for the degree of Master in Finance), June, 2009, School of Economics and Management, Department of Economics & Department of BusinessAdministration
    • Yamai, Y. & Yoshiba, T. (2002). “On the Validity of Value-at-Risk: Comparative Analyses with Expected Shortfall”. Montary and Economic Studies, 20, 57-85.