عنوان پایان‌نامه
انتخاب پورتفوی بهینه در بازار بورس اوراق بهادار تهران (رویکرد موجک و کان تاکر)
- رشته تحصیلی
- علوم اقتصادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1560;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63082
- تاریخ دفاع
- ۰۲ بهمن ۱۳۹۲
- دانشجو
- سوده شیبانی فر
- استاد راهنما
- نفیسه بهرادمهر
- چکیده
- در راستای اهمیت سرمایه‌گذاری و هدایت درست سرمایه و با توجه به اشتیاق فزاینده پس‌انداز‌کنندگان به سرمایه‌گذاری در بورس، در این پژوهش بر‌آن شدیم تا به انتخاب پورتفوی بهینه در بازار بورس اوراق بهادار تهران، براساس نظریه میانگین واریانس مارکویتز بپردازیم. بدین منظور نیازمند محاسبه وزن بهینه که حاصل این نظریه می باشد، هستیم. محاسبه وزن بهینه، وابسته به محاسبه میانگین و واریانس بازده‌ها می‌باشد. بدین منظور از تخمین‌های شرطی میانگین و واریانس بازده که حاصل استفاده از مدل GARCH هستند، در کنار تخمین‌های ساده استفاده نمودیم. از طرف دیگر، وجود معاملات کاذب، آربیتراژ و دیگر عوامل، باعث ایجاد نویز در داده‌های مالی می‌شود و وجود نویز در این داده‌ها بر نتایج تخمین‌ها و در نتیجه بر استراتژی تشکیل پورتفوی اثر خواهد داشت. بنابراین از تبدیل موجک برای کاهش نویز داده‌ها استفاده و سپس وزن را دوباره در این شرایط محاسبه نمودیم. بدین ترتیب چهار دسته وزن و در نتیجه چهار پورتفوی خواهیم داشت که با ترکیب استفاده از تخمین‌های ساده و یا شرطی و نیز استفاده و یا عدم استفاده از تبدیل موجک، بدست آمده‌اند. با توجه به اینکه فروش استقراضی در بازار بورس ایران مجاز نیست، برای اینکه نتایج این پژوهش با بازار بورس ایران هماهنگ باشد، به بررسی تاثیر اعمال شرط عدم وجود فروش استقراضی(روش کان تاکر) روی وزن‌ها و در نهایت بازده پورتفوی‌ها پرداختیم. با مقایسه نسبت شارپ پورتفوی‌ها به این نتیجه رسیدیم که فارغ از ویژگی‌های روانی سرمایه‌گذار، تقریباً برای همه حالات به نتیجه یکسانی می‌رسیم و آن اینکه در این بازه زمانی و در بازار بورس ایران، انتخاب و نگهداری دارایی بدون ریسک بر سبد ریسکی ترجیح دارد.
- Abstract
- In this thesis, the mean-variance portfolio theory is applied for portfolio optimization. Since noise present in financial series causes false estimation of the parameter and hence distorts portfolio optimization strategy, wavelet transform also is used for noise reduction. For the purpose of optimizing a portfolio, “optimal weights” which are a function of the mean and variance of returns are calculated. So, I apply conditional estimation of the mean and variance of returns (resulted from GARCH model) along with the simple one. Using different combinations of smooth and non-smooth series and conditional and simple estimation of moments of the return, result in four optimal portfolio weights and therefore four portfolio returns. After this, I impose the non-negativity constraint deduced from the Kuhn-Tucker approach to simulate the no short selling rule in this market. Weights and portfolio returns changed dramatically in this step but the main result (which asset to hold) did not. Comparing Sharp ratios, I observed that Regardless of the psychological characteristics of the investor, holding the riskfree asset is almost the optimal choice in this case. Keyword: mean-variance portfolio, wavelet, smoothing, optimal choice.
