عنوان پایان‌نامه
بررسی امکان کاهش ریسک پور تقوی در بهینه سازی بر اساس واریانس شرطی و ماتریس همبستگی نوفه زدایی شده بر اساس تئوری متاتریس تصادفی( Randim Martrix t heory)و الگو برداری نمایی (power mappin)
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57224
- تاریخ دفاع
- ۱۵ اسفند ۱۳۸۹
- دانشجو
- فاطمه خان احمدی
- استاد راهنما
- شاپور محمدی
- چکیده
- انتخاب شاخص مناسب برای ریسک و نیز بکارگیری ماتریسی از همبستگی که تا حد ممکن بیانگر روابط واقعی میان بازده دارایی‌ها باشد، دو عامل اساسی در محاسبه‌ی اوزان بهینه در تشکیل پورتفویی از سهام براساس مدل میانگین-واریانس می‌باشند. تایید وجود ناهمسانی واریانس از یک سو و امکان شفاف‌تر ساختن همبستگی موجود بین بازدهی سهام با نوفه‌زدایی، از سوی دیگر، بررسی امکان کاهش ریسک سرمایه‌گذاری را با توجه همزمان به این دو عامل ضروری می‌سازد. در این مطالعه، امکان بهبود ریسک در بهینه‌سازی پورتفوی با بکارگیری همزمان واریانس شرطی و نیز ماتریس همبستگی نوفه‌زدایی شده با روش‌های "نگاشت توانی" و نیز نظریه ماتریس تصادفی مورد توجه قرار می‌گیرند. داده‌های مورد بررسی، بازده‌های روزانه‌ی تاریخی 10 سهم مورد معامله در بورس اوراق بهادار تهران در بازه‌ی زمانی سال‌های 1383-1387 هستند که تبعیت حرکات بازده آنها از مدل ناهمسانی واریانس شرطی تعمیم‌یافته مورد تایید قرار گرفته است. در آزمون فرضیات بهبود معنادار ریسک محقق پورتفوی با بکارگیری همزمان واریانس شرطی و ماتریس همبستگی نوفه‌زدایی‌شده در قالب مدل ناهمسانی واریانس شرطی تعمیم‌یافته با همبستگی ثابت تایید می‌گردد. بهبود بازده نیز با بکارگیری همزمان هر دو روش نوفه‌زدایی نگاشت توانی و نظریه ماتریس تصادفی در قالب یک مدل ترکیبی به همراه واریانس شرطی، نیز محقق می‌گردد. به این ترتیب به سرمایه‌گذاران و نهادهای فعال در بازار سرمایه پیشنهاد می‌گردد، در محاسبات و برآوردها به ترکیب واریانس و ماتریس همبستگی مورد استفاده در بهینه‌سازی پورتفوی توجه کافی مبذول دارند.
- Abstract
- Appropriate criteria for risk and correlation matrices representing actual relations between portfolio assets are basic in mean variance Markowitz portfolio optimization. Investigating the possibility of decreasing investment risk by attending to variance heteroscedasticity and denoising the correlation matrices is so important. This study will surveys the risk of optimizing portfolio based on conditional variance and denoised correlation matrices by random matrix theory and power mapping. A sample is composed of 10 stock bargaining in Tehran stock exchange during the 1383-1387 years which approved Generalized Autoregressive Conditional Heteroscedasticity (GARCH) effect in their return movements. The results of testing the hypotheses implicate portfolio performance improvement with optimization based on conditional variance and denoise correlation matrices in form of Constant Conditional Generalized Autoregressive Conditional Heteroscedasticity (CCGARCH). Considering the importance of pure correlation matrices and variance time variability is so important in stock portfolio investing in TSE, too.
