بهینه‌سازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم‌های تکاملی

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار دانشکدۀ علوم مالی، دانشگاه خوارزمی، تهران، ایران

2 کارشناس ارشد مدیریت مالی، دانشکدۀ علوم مالی، دانشگاه خوارزمی، تهران، ایران

3 دانشجوی دکتری مهندسی مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران

چکیده

بهینه‌سازی سبد سهام همواره یکی از با اهمیت‌ترین مسائل در علوم مالی است. استراتژی‌های مختلفی برای مدیریت پرتفوی سبد سهام استفاده شده‎اند که به‎طور عمده می‎توان آنها را بر دو نوع فعال و غیرفعال دسته‎بندی کرد. یکی از مهم‌ترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. به‎منظور تشکیل پرتفوی ردیاب شاخص از مدل‌ها و الگوریتم‌های مختلفی استفاده می‌شود. پژوهش پیش ‌رو به‎منظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن به‎کارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. به‎منظور بررسی کارایی مدل نیز، از داده‌های بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائه‎شده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Index Tracking Optimization under down Side Beta and Evolutionary Based Algorithms

نویسندگان [English]

  • Ahmad Nabizade 1
  • Hadi Gharehbaghi 2
  • Adel Behzadi 3
1 Assistant Prof, Faculty of Financial Science, Kharazmi University, Tehran, Iran
2 MSc in Financial Management, Faculty of Financial Science, Kharazmi University, Tehran, Iran
3 Ph.D. Candidate in Financial Engineering, University of Tehran, Tehran, Iran
چکیده [English]

Portfolio optimization is the one of most important problems in financial theory. Different strategies can be selected to manage the portfolio that include two kinds is called passive and active. Index tracking is one of most important passive approach. So, there are different models and algorithms to make index tracking portfolio. The aim of this research is analyze of down side beta in the index tracking portfolio. So, three models are presented. Then, to solve these models, evolutionary algorithms include genetic and deferential evolutionary algorithm is used. To show sufficiency of the models, Tehran stock exchange data are selected. Results show the model based down side beta with deferential evolutionary algorithm has higher efficiency Compared with two another models.
 

کلیدواژه‌ها [English]

  • Deferential evolutionary algorithms
  • Down side beta
  • Evolutionary algorithms
  • Genetic Algorithm
  • Index tracking

مراجع

بحرالعلوم، م.م.؛ تهرانی، ر.؛ حنیفی، ف. (1391). طراحی یک الگوریتم فراابتکاری جهت انتخاب پورتفوی بهینۀ ردیابی‎کنندۀ شاخص بورس تهران. تحقیقات حسابداری، 17(1)، 43-20.
رضایی، ع.؛ رنجبران، س. (1386). آموزش الگوریتم ژنتیک در نرم‎افزار متلب. تهران: انتشارات آذر.
فلاح‌پور، س.؛ تندنویس، ف. (1394). بهینه‌سازی پرتفوی ردیاب شاخص با استفاده از مدل تک‎شاخصی پایدار برمبنای شاخص 50 شرکت فعال‎تر بورس اوراق بهادار تهران. تحقیقات مالی، 6(24)، 134-115.
ورسای، م.؛ شمس، ن. (1389). ارائۀ یک روش حل ابتکاری به‎منظور بهینه‎سازی حل مسئلۀ سبد ردیاب شاخص و پیاده‎سازی آن برای اولین‎بار در بازار سهام تهران. هشتمین کنفرانس بین‎المللی مدیریت، تهران، 27 آذر 1389.
Barro, D. & Canestrelli, E. (2009). Tracking error: a multistage portfolio model. Annals of Operations Research, 165(1), 47-66.
Bahreloloom, M., Tehrani, R. & Hanifi, F. (2012). Designing a heuristic algorithms to selsect index tracking portfolio. Accounting Reasearch, 17(1), 20-43.
(in Persian)
Beasley, J. E., Meade, N. & Chang, T.-J. (2003). An evolutionary heuristic for the index tracking problem. European Journal of Operational Research, 148(3), 621-643.
Bergey, P.K. & Ragsdale, C. (2005). Modified differential evolution: a greedy random strategy for genetic recombination. Omega, 33(3), 255-265.
Canakgoz, N. A. & Beasley, J. E. (2009). Mixed-integer programming approaches for index tracking and enhanced indexation. European Journal of Operational Research, 196(1), 384-399.
Cornuejols, G. & Tütüncü, R. (2006). Optimization methods in finance (Vol. 5): Cambridge University Press.
Dose, C. & Cincotti, S. (2005). Clustering of financial time series with application to index and enhanced index tracking portfolio. Physica A: Statistical Mechanics and its Applications, 355(1), 145-151.
Estrada, J. (2002). Systematic risk in emerging markets: the D-CAPM. Emerging Markets Review, 3(4), 365-379.
Fallahpoor, S. & Tondnevis, F. (2015). Index tracking by Single-Index model. Financial Enegeering and Portfolio Management, 24(6), 115-134.(in Persian)
Frino, A. & Gallagher, D. R. (2001). Tracking S&P500 index funds. The journal of portfolio management, 28(1), 44-55.
Gao, J. & Li, D. (2013). Optimal cardinality constrained portfolio selection. Operations research, 61(3), 745-761.
Gilli, M. & Këllezi, E. (2002). The threshold accepting heuristic for index tracking Financial Engineering, E-Commerce and Supply Chain (pp. 18-1): Springer.
Gnoni, M.J., Iavagnilio, R., Mossa, G., Mummolo, G. & Di Leva, A. (2003). Production planning of a multi-site manufacturing system by hybrid modelling: A case study from the automotive industry. International Journal of production economics, 85(2), 251-262.
Jansen, R. & Van Dijk, R. (2002). Optimal benchmark tracking with small portfolios. The journal of portfolio management, 28(2), 33-39.
Konno, H. & Wijayanayake, A. (2000). Minimal Cost Index Tracking under Nonlinear Transaction Costs and Minimal Transaction Unit Constraints. Tokyo Institute of Technology: CRAFT Working paper.
Krink, T., Mittnik, S. & Paterlini, S. (2009). Differential evolution and combinatorial search for constrained index-tracking. Annals of Operations Research, 172(1), 153-176.
Li, Q. Sun, L. & Bao, L. (2011). Enhanced index tracking based on multi-objective immune algorithm. Expert Systems with Applications, 38(5), 6101-6106.
Meade, N. & Salkin, G. R. (1989). Index funds—construction and performance measurement. Journal of the Operational Research Society, 40(10), 871-879.
Oh, K. J., Kim, T. Y. & Min, S. (2005). Using genetic algorithm to support portfolio optimization for index fund management. Expert Systems with Applications, 28(2), 371-379.
Rezayi, A. & Ranjbaran, S. (2008). Genetic algorithm implementation in MATLAB. (Vol. 1). Azar press, Tehran. (in Persian)
Roll, R. (1992). A mean/variance analysis of tracking error. The Journal of Portfolio Management, 18(4), 13-22.
Rudd, A. (1980). Optimal selection of passive portfolios. Financial Management, 9(1), 57-66.
Sharpe, W. F., Alexander, G. J. & Bailey, J. V. (1999). Investments (Vol. 6). Prentice-Hall Upper Saddle River, NJ.
Storn, R. & Price, K. (1997). Differential evolution–a simple and efficient heuristic for global optimization over continuous spaces. Journal of global optimization, 11(4), 341-359.
Versay, M. & Shams, N. (2010). Using a heuristic method to optimization TEPIX tracking problem. 8th International management Conference. Tehran, 2010/12/18.
Xu, F., Lu, Z. & Xu, Z. (2016). An efficient optimization approach for a cardinality-constrained index tracking problem. Optimization Methods and Software, 31(2), 258-271.  
 
 
تحقیقات مالی
دوره 19، شماره 2
1396
صفحه 319-340

فایل ها

هم رسانی

ارجاع به این مقاله

آمار