بهینه‌سازی سبد سرمایه‌گذاری با دارایی‌های متنوع

اقتصاد پولی مالی

مقاله 10، دوره 27، شماره 19، خرداد 1399، صفحه 249-278   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/pm.v27i19.84579

نویسندگان

سوده صباحی^{* 1}؛ فریماه مخاطب رفیعی²؛ محمد علی رستگار³

¹کارشناس ارشد مهندسی مالی دانشگاه تربیت مدرس

²دانشیار گروه مدیریت سیستم و بهره‌وری دانشکده مهندسی صنایع دانشگاه تربیت مدرس

³استادیار گروه مدیریت سیستم و بهره‌وری دانشکده مهندسی صنایع دانشگاه تربیت مدرس

چکیده

یکی از مهم‌ترین دغدغه‌های همیشگی سرمایه‌گذاران انتخاب بهترین فرصت‌های سرمایه‌گذاری با بیشترین ارزش سرمایه‌گذاری است و با توجه به گزینه‌های مختلف برای سرمایه‌گذاری، تنوع بخشی در سبد سرمایه‌گذاری یک استراتژی مفید و مطرح در مباحث سرمایه‌گذاری می‌باشد. اما استراتژی سرمایه‌گذاری در بین دارایی‌های مختلف نظیر بورس اوراق بهادار، طلا، ارز و رمز ارز نامشخص بوده و معلوم نیست که علیرغم رکود و رونق موقت برخی از دارایی‌ها (همانند بورس و طلا) و همچنین تأثیرات آن‌ها بر یکدیگر، اولویت‌بندی سرمایه‌گذاری (به لحاظ ریسک و بازده) بین دارایی‌های فوق چگونه تخصیص یابد.
هدف از انجام این تحقیق، پیشنهاد اوزان بهینه سرمایه‌گذاری بین دارایی‌های بورس اوراق بهادار تهران، سکه بهار آزادی، دلار آمریکا و بیت‌کوین از طریق حداقل‌سازی ارزش در معرض ریسک شرطی با روش میانگین– ارزش در معرض خطر شرطی می‌باشد. بدین منظور با توجه به دم‌پهن بودن توزیع بازدهی دارایی‌های مالی جهت پیش‌بینی توزیع دنباله‌ها از نظریه ارزش فرین، رویکرد فراتر از آستانه استفاده شده است. همچنین برای محاسبه ارتباط بین این دارایی‌ها از ترکیب روش همبستگی شرطی پویا و کاپولا استفاده شده است که همبستگی علاوه بر غیرخطی بودن، پویا و متغیر با زمان نیز باشد.
با استفاده از اطلاعات روزانه شاخص دارایی‌های فوق در فاصله زمانی مهر 1393 تا فروردین 1397، مرز کارای سرمایه‌گذاری رسم شده است. نتایج نشان می‌دهد در سطح ریسک (ارزش در معرض ریسک شرطی) صفر به دلیل تغییرات کم واریانس، بیش‌ترین وزن سرمایه‌گذاری در بورس اوراق بهادار و در بالاترین سطح ریسک، بیش‌ترین وزن سرمایه‌گذاری در رمز ارز (بیت‌کوین) به دلیل بازده بالاتر، تخصیص یافته است. همچنبن مقایسه پرتفوهای بهینه با استفاده از نسبت شارپ شرطی حاکی از عملکرد بهتر پرتفوهای متنوع نسبت به هر دارایی است و بهترین عملکرد را پرتفو شامل سکه با اختصاص بیش از 70 درصد و دلار و بیت‌کوین با وزن برابر داشته است. همچنین با توجه به نسبت شارپ شرطی در پرتفو بهینه حداقل وزن سکه 60 درصد وحداکثر سهم دلار و بیت‌کوین 20 درصد می‌باشد.
 

کلیدواژه‌ها

همبستگی شرطی پویا؛ نظریه ارزش فرین؛ کاپولا؛ ارزش در معرض ریسک شرطی؛ بهینه‌سازی؛ سبد با دارایی‌های متنوع

مراجع

1. پیروی, ع. 1390. تعیین سبد دارایی با تمرکز بر روابط بین بازارهای بورس، طلا، ارز، املاک و مستغلات. پایان‌نامه کارشناسی ارشد, دانشگاه صنعتی خواجه نصیر الدین طوسی.
   راغفر, ح. و آجورلو, ن. 1395. برآورد ارزش در معرض خطر پرتفوی ارزی یک بانک نمونه با روش GARCH-EVT-Copula فصلنامه پژوهش‌های اقتصادی ایران.
   شکاری, س. 1397. پیش بینی ارزش در معرض خطر براساس کاپولای متغیر با زمان. کارشناسی ارشد, دانشگاه خاتم.
   قلی‌زاده, ع. ا. و متین, م. ط. 1390. انتخاب سبد دارایی ها در دوره رکود و رونق مسکن. فصلنامه پژوهش‌های اقتصادی.
   محمودی, و., امام‌دوست, م. و شعبان‌پور, پ. 1395. بررسی نقش املاک و مستغلات در سبد دارایی سرمایه‌‌گذاران در ایران. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی.
   نصیری, ف. 1393. بهینه‌سازی پرتفوی سرمایه‌گذاری در بازارهای ارز، طلا و سهام با استفاده از رویکرد ارزش در معرض خطر بر اساس مدل گارچ- کاپولا‌. کارشناسی ارشد, دانشگاه خاتم.
   
   andrianto, y. & diputra, y. 2017. The Effect of Cryptocurrency on Investment Portfolio Effectiveness. Journal of Finance and Accounting, 5, 229-238.
   Berger, T. 2013. Forecasting value-at-risk using time varying copulas and EVT return distributions. International Economics, 133, 93-106.
   Brière, m., oosterlinck, k. & szafarz, a. 2015. Virtual currency, tangible return: Portfolio diversification with bitcoin. Journal of Asset Management, 16, 365-373.
   Chuen, K., LEE, D., Guo, L. & Wang, Y. 2017. Cryptocurrency: A New Investment Opportunity? The Journal of Alternative Investments, 20, 16-40.
   Ciner, C., Gurdgiev, C. & M.Lucey, B. 2013. Hedges and Safe Havens: An examination of Stocks, Bonds, Gold, Oil and Dollar. International Review of Financial Analysis, 29, 202-211.
   Deng, L., Ma, C. & Yang, W. 2011. Portfolio Optimization via Pair Copula-GARCH-EVT-CVaR Model. Systems Engineering Procedia, 2, 171-181.
   F.Engle, R. & Sheppard, K. 2001. Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH, National Bureau of Economic Research.
   Gangwal, S. 2016. Analyzing the Effects of Adding Bitcoin to Portfolio. International Journal of Economics and Management Engineering, 10, 3519-3532.
   Hammoudeh, S., Araujo Santos, P. & Al-Hassan, A. 2013. Downside risk management and VaR-based optimal portfolios for precious metals, oil and stocks. North American Journal of Economics and Finance, 25, 318-334.
   Raza, N., Ali, S., Shahzad, S. J. H. & Raza, S. A. 2018. Do commodities effectively hedge real estate risk? A multi-scale asymmetric DCC approach. Resources Policy, 57, 10-29.
   Sahamkhadam, M., Stephan, A. & Ostermark, R. 2018. Portfolio Optimization Based on GARCH-EVT-Copula Forecasting Models. International Journal of Forecasting, 34, 497-506.