عنوان پایان‌نامه
بهینه سازی سبد سهام با استفاده از مدل میانگین - واریانس با رویکرد ناهمسانی واریانس شرطی چند متغیره
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78891;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78891
- تاریخ دفاع
- ۰۹ اسفند ۱۳۹۴
- دانشجو
- حسین مهدی خواه
- استاد راهنما
- شاپور محمدی
- چکیده
- بهینه سازی سبد سرمایه گذاری همواره یکی از مهمترین و اصلی ترین چالش های پیشِ روی سرمایه گذاران بوده است. بخصوص در سال های اخیر و با وقوع بحران های مالی، اهمیت مطالعه دقیق تر این حوزه دو چندان شده است. هدف اصلی این تحقیق نیز ارائه مدلی است برای تشکیل سبد سهامی با بازدهی بهتر و ریسک کمتر می باشد. برای انجام این تحقیق از قیمت پایانی تعدیل شده سی شرکت بورسی که به عنوان نمونه انتخاب شده بود استفاده شده است. روش بهینه سازی در این تحقیق، روش میانگین واریانس است که با استفاده از روش های مختلف مدل سازی ماتریس واریانس کوواریانس، چهار مدل برای تحقیق بدست می آید. روش اول بهینه سازی با استفاده از ماتریس واریانس کوواریانس غیرشرطی است و در سه روش دیگر، ماتریس واریانس کوواریانس از مدل های GARCH چند متغیره موسوم به DCC، DECO و Block-DECO مدلسازی می شود. در نهایت برای آزمون عملکرد مدل ها از آزمون های مقایسه زوجی و ویلکاکسن استفاده شد. نتایج بدست آمده نشان می دهد که بهینه سازی سبد سهام با استفاده از ماتریس واریانس کوواریانس شرطی عملکرد بهتری را در ارایه می دهد.
- Abstract
- Portfolio Optimization has always been one of the most important and basic challenges on the way of investors. In particular, occurrence of several financial crises in recent years has proved vital significance of more accurate studies in this field. Primary objective of this research is to propose a model to construct portfolios with higher return and less risk. Closing price of a sample of 30 listed companies in Tehran Stock Exchange was used in this study. Optimization in this research is done using Mean-Variance and through several approaches to model covariance matrix, four models are obtained to be studied. The first model is to optimize portfolio using unconditional covariance matrix; the other three methods using multivariate GARCH are DCC, DECO and Block-DECO. Finally, Student's t-test and Wilcoxon test are used to evaluate models accuracy. The results show that optimizing portfolio using conditional covariance matrix models produce better outcomes.
