<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشکده مدیریت دانشگاه تهران</PublisherName>
				<JournalTitle>تحقیقات مالی</JournalTitle>
				<Issn>1024-8153</Issn>
				<Volume>18</Volume>
				<Issue>3</Issue>
				<PubDate PubStatus="epublish">
					<Year>2016</Year>
					<Month>11</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Robust Asset Allocation Based on Forecasts of Econometric Methods (ARMA &amp; GARCH) and Uncertainty for Return &amp; Covariance</ArticleTitle>
<VernacularTitle>تخصیص دارایی استوار بر اساس پیش‌بینی‌های روش‌های اقتصادسنجی (ARMA و GARCH) و فرض عدم‌قطعیت بازده و کواریانس</VernacularTitle>
			<FirstPage>415</FirstPage>
			<LastPage>436</LastPage>
			<ELocationID EIdType="pii">51502</ELocationID>
			
<ELocationID EIdType="doi">10.22059/jfr.2016.51502</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>رضا</FirstName>
					<LastName>راعی</LastName>
<Affiliation>استاد مدیریت مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0000000348655316</Identifier>

</Author>
<Author>
					<FirstName>سیدمحمدامیر</FirstName>
					<LastName>هاشمی</LastName>
<Affiliation>دانشجوی کارشناسی ارشد مهندسی مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2014</Year>
					<Month>07</Month>
					<Day>06</Day>
				</PubDate>
			</History>
		<Abstract>In this paper we use robust optimization to solve asset allocation problem under uncertainty for return and covariance-variance parameters. Not taking uncertainty into account about input parameters in optimization problems can take optimal solutions away from optimum region or make them infeasible. For designing and defining the set of uncertainty for return and covariance-variance, we use the concept of estimated distance and bootstrap for predictions, respectively. Calculations of the sets of uncertainty are based on predications of ARMA and GARCH methods. In order to ensure that robust approach’s results outperform the nonrobust approch’results we use robust sharpe index with the help of pair comparison test during eight consecutive quarter periods. Finally, some numerical examples are given to illustrate the effectiveness of the proposed approach.</Abstract>
			<OtherAbstract Language="FA">در این پژوهش، برای بهینه‌سازی مسئلۀ تخصیص دارایی، از رویکرد استوار با فرض عدم ‌قطعیت پارامترهای بازده و کواریانس ‌ـ واریانس دارایی‌ها استفاده شده است. چنانچه عدم ‌قطعیت پارامترهای ورودی، در محاسبات مسائل بهینه‌سازی لحاظ نشود، می‌تواند به خارج شدن جواب­ها از منطقۀ بهینگی و حتی شدنی منجر شود. در طراحی و تعریف مجموعۀ عدم ‌قطعیت بازده و کواریانس ـ واریانس دارایی‌ها، به‌ترتیب از مفاهیم برآورد فاصله‌ای و بوت‌استرپ استفاده شده است. مبنای محاسبات مربوط به تعریف مجموعه‌های عدم‌ قطعیت بر اساس پیش‌بینی‌های حاصل از مدل‌های اقتصادسنجی ARMA و GARCH است. به‌منظور اطمینان یافتن از برتری نتایج رویکرد استوار نسبت به رویکرد غیراستوار، شاخص شارپ پرتفوی استوار به‌عنوان معیار ارزیابی عملکرد پرتفو، با شاخص شارپ پرتفوی غیراستوار، به کمک آزمون مقایسۀ جفتی طی 8 دورۀ متوالی سه ماهه قیاس شده است. نتایج آزمون نشان می‌دهد رویکرد استوار مدل مارکویتز نسبت به رویکرد غیراستوار، پرتفوی با شاخص شارپ بالاتر یا مساوی آن و در نتیجه پرتفو با عملکرد بهتری را تشکیل می‌دهد</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تخصیص دارایی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه سازی استوار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل های ARMA و GARCH</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل مارکویتز</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jfr.ut.ac.ir/article_51502_7aa93032b3ecf2fec64bc23f933afd79.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
