مطالعات مدیریت صنعتی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

تفاهم نامه با انجمن علوم مدیریت ایران

راهنمای نگارش

فایل ها

داوران 1402

داوران 1401

داوران 1400

داوران 1399

راهنمای ثبت نام درPublons

توسعه مدل برنامه‌ریزی تصادفی برای مسأله انتخاب سبد دارایی چنددوره‌ای

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار دانشگاه خوارزمی

2 عضو هیئت علمی گروه مهندسی صنایع دانشگاه جامع امام حسین

چکیده

در این مقاله، به توسعه یک مدل برنامه‌ریزی تصادفی برای مسأله انتخاب سبد دارایی چنددوره‌ای با درنظرگرفتن هزینه‌های معامله و محدودیت تعداد دارایی پرداخته می‌شود. مدل ارائه‌شده، ضمن تضمین دستیابی به حداقلی از بازده، ریسک را کمینه می‌کند. به منظور تولید درخت سناریوی پارامترهای تصادفی، از تبدیل جانسون و فرآیند نمونه‌گیری در چارچوب یک مدل گام تصادفی استفاده می‌شود. سپس، داده‌های تاریخی 28 شاخص صنعت داخلی به منظور پیاده‌سازی روش تولید درخت سناریوی پارامترهای تصادفی مورد استفاده قرار می‌گیرند. نهایتاً مدل برنامه‌ریزی تصادفی، با استفاده از مجموعه سناریوهای تولیدشده حل می‌شود. نتایج حل مدل ارائه‌شده نشان می‌دهند که افزایش هزینه‌ معامله و ثروت هدف، ریسک سرمایه‌گذاری را افزایش می‌دهند. همچنین، نتایج حل مدل با مجموعه سناریوهای متفاوت، پایایی درون‌نمونه‌ای مناسبی را از منظر ریسک و بازده نشان می‌دهد. به علاوه، شبیه‌سازی پویای ارزش تجمعی دارایی‌های سرمایه‌گذار نشان می‌دهد که با افزایش حداقل بازده مورد انتظار، نوسان‌پذیری ثروت سرمایه‌گذار افزایش خواهد یافت.

کلیدواژه‌ها

عنوان مقاله [English]

A Stochastic Programming Framework for Multi-period Portfolio Optimization

نویسنده [English]

  • Ardeshir Ahmadi 2

2 Department of systems Engineering, IHU university, Tehran, Iran

چکیده [English]

This paper presents a scenario-based multistage stochastic programming model to deal with multi-period portfolio optimization problem with cardinality constraints and proportional transaction costs. The presented model aims to minimize investor's expected regret, while setting a minimum level of expected return. To generate the scenario tree of stochastic parameters, a random walk model based on Johnson transformation and a sampling procedure is used. To implement the scenario tree generation method, historical returns of 28 domestic indices are used. Then, the scenario tree of stochastic parameters are used to solve the proposed multistage stochastic programming model. In addition, the impact of transaction costs, minimum expected returns and predetermined target wealth are investigated. Numerical results show that transaction costs, minimum expected returns and target wealth have a direct impact on expected regret. Finally, back testing simulation is used to assess and analyze the impact of the proposed approach in a dynamic, multi-period setting.

کلیدواژه‌ها [English]

  • Scenario-based multistage stochastic programming
  • Multi-period portfolio optimization
  • Scenario tree
  • Random walk model
  • Johnson transformation
مراجع
Borges, M.R. (2010), "Efficient market hypothesis in European stock markets", European Journal of Finance, No. 16, PP. 711–726.
Chang, T.J., Meade, N., Beasley, J., Sharaiha, Y. (2000), "Heuristics for cardinality constrained portfolio optimization", Computers & Operations Research, No. 27, PP. 1271–1302.
Dantzig, G.B., Infanger, G. (1993), "Multi-stage stochastic linear programs for portfolio optimization", Annals of Operations Research, No. 45, PP. 59-76.
Davari-Ardakani, H., Aminnayeri, M., Seifi, A. (2014), "A study on modeling the dynamics of statistically dependent returns", Physica A: Statistical Mechanics and its Applications, No. 405, PP. 35-51
Davari-Ardakani, H., Aminnayeri, M., Seifi, A. (2015), "Hedging strategies for multi-period portfolio optimization", Scientia Iranica, No. 22, PP. 2644-2663.
Davari-Ardakani, H., Aminnayeri, M., Seifi, A. (2016), "Multistage portfolio optimization with stocks and options", International Transactions in Operational Research, No. 23, PP. 593-622.
Ferstl, R., Weissensteiner, A. (2010), "Cash management using multi-stage stochastic programming", Quantitative Finance, No. 10, PP. 209–219.
Jacobsen, B. (1996), "Long term dependence in stock returns", Journal of Empirical Finance, No. 3, PP. 393–417.
Ji, X., Zhu, Sh., Wang, Sh., Zhang, Sh. (2005), "A stochastic linear goal programming approach to multistage portfolio management based on scenario generation via linear programming", IIE Transactions, No. 37, PP. 957-969.
Liu, Y.J., Zhang, W.G. (2015), "A multi-period fuzzy portfolio optimization model with minimum transaction lots", European Journal of Operational Research, No. 242, PP. 933–941.
Lux, T. (1996), "Long term stochastic dependence in financial prices: evidence from German stock market", Applied Economic Letters, No. 3, PP. 701–706.
Mansini, R., Ogryczak, W., Speranza, M.G. (2014), "Twenty years of linear programming based portfolio optimization", European Journal of Operational Research, No. 234, PP. 518-535.
Markowitz, H. (1952), "Portfolio selection", Journal of Finance, No. 7, PP. 77-91
Markowitz, H. (1959), "Portfolio Selection: Efficient Diversification of Investments", John Wiley & Sons, New York.
Mulvey, J.M., Pauling, W.R. , Madey, R.E. (2003), "Advantages of multiperiod portfolio models", Journal of Portfolio Management, No. 29, PP. 35-45.
Pınar, M.Ç. (2007), "Robust scenario optimization based on downside-risk measure for multi-period portfolio selection", OR Spectrum, No. 29, PP. 295-309.
Rockafellar, R.T., Ursayev, S. (2000), "Optimization of Conditional Value-at-Risk", Journal of Risk, No. 2, PP. 21-41.
Şakar, C.T., Köksalan, M. (2013), "A stochastic programming approach to multicriteria portfolio optimization", Journal of Global Optimization, No. 57, PP. 299-314.
Sensoy, A., Tabak, B.M. (2015), "Time-varying long term memory in the European Union stock markets", Physica A: Statistical Mechanics and its Applications, No. 436, PP. 147–158.
Sharpe, W.F. (1971), "Mean-absolute deviation characteristic lines for securities and portfolios", Management Science, No. 18, PP. B1–B13.
Soleimani, H., Golmakani, H.R., Salimi, M.H. (2009), "Markowitz-based portfolio selection with minimum transaction lots, cardinality constraints and regarding sector capitalization using genetic algorithm", Expert Systems with Applications, No. 36, PP. 5058–5063.
Testuri, C.E., Uryasev, S. (2004), "On relation between expected regret and conditional Value-at-Risk", in: Z. Rachev (Ed.), Handbook of Computational and Numerical Methods in Finance, Birkhauser, PP. 361–373.
Topaloglou, N. (2004), “A stochastic programming framework for international portfolio management”, PhD dissertation, University of Cyprus.
Topaloglou, N., Vladimirou, H., Zenios, S.A. (2011), "Optimizing international portfolios with options and forwards", Journal of Banking & Finance, No. 35, PP. 3188-3201.
Worthington, A.C., Higgs, H. (2004), "Random walks and market efficiency in European equity markets", Global Journal of Finance and Economics, No. 1, PP. 59–78.
 
مطالعات مدیریت صنعتی
دوره 17، شماره 55
دی 1398
صفحه 287-315
فایل ها
هم رسانی
ارجاع به این مقاله
آمار