بررسی عملکرد استراتژی‌های بیمه سبد سرمایه تحت مدل تصادفی مارکف رژیم متغیر در بورس اوراق بهادار تهران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مالی، دانشکده مدیریت دانشگاه تهران، تهران، ایران.

2 دانشیار، گروه ریاضی، دانشکده ریاضی، دانشگاه تحصیلات تکمیلی علوم پایه زنجان، زنجان، ایران.

3 دانشیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.

چکیده

هدف: استراتژی‌های بیمه سبد، نوعی روش‌های ساختاری هستند که با تعیین مقداری برای کف، سطح مشخصی از اطمینان (بیمه) را ارائه می‌کنند. به بیان دیگر با استفاده از این استراتژی‌ها‌ی معاملاتی، می‌توان حداقل بازده از پیش‌ تعیین‌ شده‎ای را کسب کرد. این پژوهش ضمن بیان نحوه ساخت و تخصیص دارایی در این استراتژی‌ها، به بررسی عملکرد استراتژی بیمه سبد با نسبت ثابت (CPPI) و بیمه سبد بر اساس ارزش در معرض ریسک (VBPI) می‌پردازد.
روش: ابتدا مدل ریاضی رویکرد با نسبت ثابت در حالت محدودشده، ارائه شد. در حالت محدودشده، استقراض با نرخ بدون ریسک امکان‌پذیر نیست. در ادامه با استفاده از تبدیل فوریه تابع مشخصه، تابع چگالی بازده استخراج شد. با استفاده از تابع چگالی بازده، ارزش در معرض ریسک در سطوح اطمینان مدنظر به‌دست آمد و در نهایت به‎کمک آن، مدل ریاضی رویکرد مبتنی بر ارزش در معرض ریسک ارائه‌ شد. به‌منظور برآورد روند حرکتی دارایی ریسکی، از مدل با رژیم متغیر استفاده شد که به واقعیت نزدیک‌تر است.
یافته‌ها: نتایج نشان می‌دهد که هر دو استراتژی در کنترل ریسک نامطلوب موفق عمل کرده‌اند و این عملکرد با افزایش سطح اطمینان و تعداد دفعات تغییر چیدمان سبد در طول دوره سرمایه‌گذاری بهبود می‌یابد. در مقایسه دو استراتژی، سنجه امگا نشان می‌دهد که در آستانه‌های پایین عملکرد استراتژی با نسبت ثابت بهتر است. همچنین پراکندگی نتایج شبیه‌سازی‌شده برای ارزش نهایی سبد نشان داد که رویکرد با نسبت ثابت در محافظت از کف عملکرد بهتری دارد.
نتیجه‌گیری: استراتژی‌های بیمه سبد، ریسک نامطلوب را نسبت به استراتژی خرید و نگهداری به‌طور چشمگیری بهبود می‌دهند و همچنین، استراتژی بیمه سبد با نسبت ثابت در قیاس با استراتژی بیمه سبد مبتنی بر ارزش در معرض ریسک عملکرد بهتری دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the Performance of Portfolio Insurance Strategies under a Regime Switching Markov Model in Tehran Stock Exchange

نویسندگان [English]

  • Peyman Alipour 1
  • Ali Foroush Bastani 2
  • Gholamreza Mansourfar 3
1 PhD Candidate, Department of Finance, Faculty of Management, University of Tehran, Tehran, Iran.
2 Associate Prof., Department of Mathematics, Faculty of Mathematics, Zanjan University of Graduate Studies, Zanjan, Iran.
3 Associate Prof., Department of Accounting, Faculty of Economics and Management, Urmia University, Urmia, Iran.
چکیده [English]

Objective: Portfolio insurance strategies are structural methods that provide a certain level of certainty by setting a floor value. In other words, using these strategies can achieve a predetermined minimum return. PI strategies, while maintaining the potential for capital growth in bull markets, provide downside protection in the bear market and at the end of the investment horizon provide a guaranteed minimum return. This study explains how to construct a portfolio and allocate assets by using these strategies, and also examines the performance of a constant proportion portfolio insurance (CPPI) strategy and value at risk based portfolio insurance (VBPI).
Methods: In order to evaluate the performance of constant proportion portfolio insurance strategy and value at risk based portfolio insurance, first the mathematical model of the Constrained Constant Proportion portfolio insurance is presented. In the Constrained case risk-free borrowing is not possible which makes the model more realistic. By using the Fourier transform of the characteristic function, the density function of returns has been extracted. By using the Density Function, the value at risk is calculated at the desired confidence levels, and finally, the mathematical model of the risk-based approach is presented. A variable-rate model is used to estimate the risk-taking movement of the asset, which is closer to reality. To estimate the dynamic of the risky asset regime-switching model has been used to make the model closer to reality.
Results: The results show that both strategies have been successful in controlling risk, and this performance improves with increasing confidence level and frequency of portfolio rebalancing. Omega measure shows that the performance of the constant proportion portfolio insurance is better at low thresholds. Also, the dispersion of the simulated results for the final value of the portfolios showed that the constant proportion portfolio insurance works better in protecting the floor.
Conclusion: Portfolio insurance strategies can dramatically improve the controlling of downside risk relative to buy and hold strategy and the performance of CPPI strategy is better than VBPI according to the performance measures.

کلیدواژه‌ها [English]

  • Portfolio insurance
  • CPPI
  • VBPI
  • Regime Switching model
  • Omega measure
امیر تیموری، راضیه؛ جلائی، سید عبدالمجید؛ زاینده‌رودی، محسن (1396). بررسی تأثیر هم‌زمانی چرخه‌های تجاری ایران و آلمان بر اصطکاک و عمق بازارهای مالی ایران (رهیافت مارکوف سوئیچینگ بیزین ور). تحقیقات مالی، 19(3)، 341- 364.
جهانگیری، خلیل؛ حسینی ابراهیم‌آباد، سید علی (1395). بررسی آثار سیاست پولی، نرخ ارز و طلا بر بازار سهام در ایران با استفاده از مدل MS-VAR-EGARCH. تحقیقات مالی، 19(3)، 389- 414.
راغفر، حسین؛ آجرلو، نرجس (1395). برآورد ارزش در معرض خطر پرتفوی ارزی یک بانک نمونه با روش GARCH-EVT-Copula. فصلنامه پژوهش‌های اقتصادی ایران، (67)، 113-141.
رافعی، میثم؛ شکری، میهن (1398). تحلیل وضعیت‌های بازدهی در بازار سرمایه ایران: رهیافت مدل‌های نیمه مارکوف پنهان. تحقیقات مالی، 21(4)، 570-592.
سجاد، رسول؛ طاهری فر، رویا (1395). محاسبه فاصله اطمینان و ارزیابی دقت ارزش در معرض خطر محاسبه شده با مدل مارکف سوئیچینگ گارچ در بورس اوراق بهادار تهران. تحقیقات مالی، 18(3)، 461- 482.
 
References
Ameur, H. B. and Prigent, J.L. (2018). Risk management of time varying floors for dynamic portfolio insurance. European Journal of Operational Research, 269(1), 363-381.
Amir Teimoori, R., Abdolmajid Jalaee, S., Zayandehroodi, M. (2017). Investigating the Impact of Iran-Germany Business Cycle Synchronization on the Friction and Depth of Financial Markets in Iran (Markov Switching Bayesian VAR Method). Financial Research Journal, 19(3), 341-364. (in Persian)
Balder, S., Brandl, M. and Mahayni, A. (2009). Effectiveness of CPPI strategies under discrete-time trading. Journal of Economic Dynamics and Control, 33(1), 204-220.
Basak, S. (2002). A comparative study of portfolio insurance. Journal of Economic Dynamics and Control, 26(7-8), 1217-1241.
Bertrand, P. and Prigent, J.L. (2001). Portfolio insurance strategies: OBPI versus CPPI. Available in: http://janroman.dhis.org/finance/Structured%20products/OBPI%20vs%20 CPPI.pdf
Bertrand, P. and Prigent, J.L. (2011). Omega performance measure and portfolio insurance. Journal of Banking & Finance, 35(7), 1811-1823.
Boulier, J.F. and Kanniganti, A. (2005). Expected performance and risk of various portfolio insurance strategies. Proceedings of the 5th AFIR International Colloquium. Available in: https://www.actuaries.org/AFIR/colloquia/Brussels/Boulier_Kanniganti.pdf
Constantinou, N. and Khuman, A. (2009). How does CPPI perform against the simplest guarantee strategies? Available in: http://repository.essex.ac.uk/10042/1/dp_09-03.pdf
Elliott, R. J. and Miao, H. (2009). VaR and expected shortfall: a non-normal regime switching framework. Quantitative Finance, 9(6), 747-755.
Hainaut, D. (2011). Risk management of CPPI funds in switching regime markets. Banker, Markets and Investors. Available at SSRN: https://ssrn.com/abstract=2381883
Hamidi, B., Maillet, B. B. and Prigent, J.L. (2009). A risk management approach for portfolio insurance strategies. Proceedings of the 1st EIF International Financial Research Forum, Economica.
Ho, L.-c., J. Cadle, and M. Theobald, An analysis of risk-based asset allocation and portfolio insurance strategies. Review of Quantitative Finance and Accounting, 2011. 36(2): p. 247-267.
Jahanngiri, Kh., and Hoseini Ebrahimabad, S. (2017). The Study of Monetary Policy, Exchange Rate and Gold Effects on the Stock Market in Iran Using MS-VAR-EGARCH Model. Financial Research Journal, 19(3), 389 - 414. (in Persian)
Jiang, C., Y. Ma and Y. An (2009). The effectiveness of the VaR-based portfolio insurance strategy: An empirical analysis. International Review of Financial Analysis, 18(4), 185-197.
Prigent, J.L. (2007). Portfolio optimization and performance analysis (1st Edition), CRC Press.
Rafei, M., & Shokri, M. (2019). An Analysis of Return States in Iran Stock Market: Hidden Semi-Markov Model Approach. Financial Research Journal, 21(4), 570-592.
(in Persian)
Raghfar, H. and Ajorlou, N. (2015). Estimating the Value at Risk of Currency Portfolio of a Sample Bank by GARCH-EVT-Copula Method. Iranian Journal of Economic Research, 67, 113 – 141. (in Persian)
Sajad, R., & Taherifar, R. (2016). Calculating the confidence level and assessing the accuracy of the value at risk calculated with the Garch Markof Switch model on the Tehran Stock Exchange. Financial Research Journal, 18(3), 461 - 482. (in Persian)
Vanden, J. M. (2006). Portfolio insurance and volatility regime switching. Mathematical Finance. An International Journal of Mathematics, Statistics and Financial Economics, 16(2), 387-417.
Weng, C. (2013). Constant proportion portfolio insurance under a regime switching exponential Lévy process. Insurance: Mathematics and Economics, 52(3), 508-521.
Zagst, R. and Kraus, J. (2011). Stochastic dominance of portfolio insurance strategies. Annals of Operations Research, 185(1), 75-103.