عنوان پایان‌نامه
پورتفوی بهینه از طریق معیار ارزش در معرض ریسک : بکارگیری الگوریتم اجتماع ذرات
- رشته تحصیلی
- علوم اقتصادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1254;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 46093
- تاریخ دفاع
- ۱۳ مهر ۱۳۸۹
- دانشجو
- دیار باهری راد
- استاد راهنما
- حسین عباسی نژاد
- چکیده
- در این تحقیق مدیریت پورتفوی از طریق معیار ارزش در معرض ریسک (VaR) مورد بررسی قرار گرفته است. تابع هدف مورد بررسی، تابع VaR تحت قید عدم وجود فروش استقراضی می باشد. برای محاسبه VaR نیز از روش های شبیه سازی تاریخی و مونت کارلو استفاده شده است. با توجه به ویژگی های این تابع، استفاده از یک روش ابتکاری امری ضروری می باشد. بنابراین برای بهینه سازی پورتفوی سعی شده است تا از الگوریتم بهینه سازی اجتماع ذرّات PSO استفاده گردد. برای آزمون تجربی مدل طراحی شده نیز پورتفویی متشکل از سهام شرکت های حاضر در بورس اوراق بهادار تهران استفاده شده است. نتایج این تحقیق نشان می دهد مدل طراحی شده با استفاده از PSO با هر روشی که VaR محاسبه گردد و با پورتفویی با هر اندازه سازگار می باشد. منظور از سازگاری نیز در این تحقیق توانایی الگوریتم در یافتن جواب های بهینه می باشد. آزمونی به روش خارج از نمونه با استفاده از داده های یک سال بعد، بین روش های محاسبه VaR انجام شده است. نتایج این آزمون ها نشان از برتری کامل روش مونت کارلو نسبت به روش تاریخی دارند. بین رویکردهای مختلف روش تاریخی برای طول دوره مشاهده نیز رویکرد 500 روزه بهترین عملکرد را از خود نشان داده است. این تفاوت در عملکرد برای پورتفوی های با اندازه بزرگتر مشهودتر است. بنابراین می توان نتیجه گرفت برای بهینه سازی پورتفوهای بزرگتر با استفاده از روش تاریخی، باید از تعداد داده های بیشتری استفاده شود. تحلیلی مبنی بر زمان بر بودن روش های مختلف محاسبه VaR نیز در این تحقیق به انجام رسیده است. نتایج این آزمون نشان می دهد برای روش تاریخی صرف نظر از اندازه پورتفوی مورد بررسی یا طول دوره مشاهده، زمان تکمیل فرآیند بهینه سازی چندان تغییر نمی کند. امّا برای روش مونت کارلو با افزایش اندازه پورتفوی زمان مورد نیاز برای انجام محاسبات در حدود 50% افزایش می یابد. در مقایسه بین روش های مونت کارلو و تاریخی، روش مونت کارلو به طور معنی داری زمان بیشتری برای تکمیل فرآیند بهینه سازی نسبت به روش تاریخی نیاز دارد.
- Abstract
- In this thesis, we studied portfolio optimization using Value-at-Risk (Var). The objective function is Value-at-Risk under constraint of no short sales. For calculating VaR we also used Historical and Mote-Carlo simulation methods. Regarding to this it needs to use a heuristic approach for optimization. Hence, we used Particle Swarm Optimization (PSO) Algorithm to optimize the portfolio. Our observations are Tehran stock exchange market corporations. The results indicate that the designed model using PSO is consistent with VaR calculated using other methods and other portfolio with any size. By consistency here we mean, the capability of algorithms that is finding the optimal solution. Using out of sample data performed between VaR calculations methods with the next year, the results has shown a relative priority of Monte-Carlo Simulation. In the other hand, 500 days of observation had the best performance in all approaches of calculating VaR using HS. This discrepancy in performance was more obvious for the larger size portfolios. Therefore, our conclusion suggests that we need more data for optimizing the larger portfolios to using HS. We also have tested each method regarding to the time consumed to complete the optimization process. The results indicate that for the HS method the time consumed will not change as long as we concern the size of the portfolio or the number of observations. However, for the MC method the evolutionary time increased up to 50% due to increasing of the size of the portfolio. In general, the MC method is more time consuming to comparison of the HS method as well.
