امکان کاهش ریسک پورتفوی براساس مدل ناهمسانی واریانس شرطی تعمیم یافته در بورس اوراق بهادار تهران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشیار دانشکده مدیریت، دانشگاه تهران، ایران

2 کارشناس ارشد مدیریت مالی دانشگاه تهران، ایران

چکیده

در بهینه­سازی پورتفوی بر اساس مدل میانگین ـ واریانس هدف حداکثر کردن بازدهی برای سطح معینی از ریسک یا حداقل کردن ریسک به ازای سطح معینی از بازدهی است. در بهینه­سازی با هدف حداقل ساختن ریسک، دو عامل ماتریس کوواریانس و نیز ریسک انفرادی بازده هریک از دارایی­ها عوامل اصلی و تعیین کننده اوزان بهینه هستند. با تأیید وجود نوسانات خوشه­ای در سری­های زمانی و مدلسازی عناصر مربوط در قالب مدل­های توسعه یافته براساس مدل ناهمسانی واریانس شرطی تعمیم یافته، به­کارگیری واریانس شرطی و ماتریس همبستگی متناسب در بهینه‎سازی پورتفوی ضروری می­نماید. در این مطالعه، با محاسبه ریسک محقق شده پورتفوهای بهینه شده بر اساس واریانس شرطی و ماتریس همبستگی، پسماندهای استاندارد شده، تأیید شد که می­توان با چنین راهبردی، ریسک پورتفوی را به­طور معناداری کاهش و عملکرد آن را بهبود داد.

کلیدواژه‌ها


عنوان مقاله [English]

Risk Reduction of Portfolio based on Generalized Autoregressive Conditional Heteroscedasticity Model in Tehran Stock Exchange

نویسندگان [English]

  • Gholamreza Eslami Bidgoli 1
  • Fatemeh Khan Ahmadi 2
1 Associate Professor, University of Tehran, Iran
2 Financial M.S. degree, University of Tehran, Iran
چکیده [English]

Return maximization or risk minimization is goal in portfolio optimization based on mean variance theory. The structure of correlation matrices and individual variance of each asset are two main factors in optimization with risk minimization object. It’s necessary to use appropriate variance and correlation coefficient for time series with clustering volatilities feature, too. In this research, it has been approved optimization based on conditional variance and standardized residuals correlation in Constant Correlation Generalized Autoregressive Conditional Heteroscedasticity model leads to less portfolio risk and improvement the portfolio manager performance.
 

کلیدواژه‌ها [English]

  • Mean Variance Model
  • Generalized Autoregressive Conditional Heteroscedasticity Model
  • Correlation Matrices
  • risk management