عنوان
رويكرد سرمايه‌گذاري مبتني بر عامل با استفاده از پيش‌بيني بازدهي عوامل به كمك شبكه عصبي بازگشتي و متغيرهاي اقتصادي و تكنيكال
مقطع تحصيلي
كارشناسي ارشد
چكيده
يكي از روش‌هاي بهينه‌سازي وزن دارايي‌هاي درون پرتفوي سرمايه‌گذاري، روش ميانگين-واريانس است كه داده‌هاي ورودي در اين روش بردار بازده مورد انتظار داراييها و ماتريس واريانس-كواريانس داراييها است. براي اجراي اين روش بايد بردار بازده مورد انتظار هر دارايي و ماتريس واريانس-كواريانس داراييها تخمين زده شوند. اما در عمل به دليل وجود خطاي تخمين ورودي ها، اين روش نتوانسته است نسبت به بعضي از استراتژي هاي ساده متنوع سازي مثل روش وزن مساوي، نتايج قابل قبولي ارائه كند. در اين پژوهش تلاش مي شود كه بازده مورد انتظار داراييها در پرتفوي سرمايه‌گذاري با استفاده از شبكه عصبي بازگشتي تخمين زده شوند و سپس عملكرد برون نمونه اي اين روش با روشي كه از از ميانگين بازده تاريخي به عنوان بازده مورد انتظار استفاه مي‌كند، مورد مقايسه و ارزيابي قرار مي گيرد. در نهايت بررسي مي شود كه آيا روش‌هاي استفاده شده باعث بهبود خطاي تخمين و در نهايت بهبود عملكرد روش بهينه‌سازي ميانگين-واريانس شده است يا خير.
دارائي‌هاي آزمون مورد استفاده در اين پژوهش بخش خريد و فروش عامل‌هاي معروف سرمايه‌گذاري هستند كه شامل عامل‌هاي اندازه، ارزش، سودآوري، سرمايه‌گذاري و مومنتوم به همراه عامل بازار مي باشند و به كمك متغيرهاي اقتصادي و تكنيكال تلاش خواهد شد بازده مورد انتظار آن‌‌ها به صورت هفتگي پيش‌بيني شود. متغيرهاي اقتصادي كه براي پيش‌بيني بازدهي استفاده مي‌شود شامل شكاف توليد، نرخ بهره كوتاه مدت، نرخ بهره بدون ريسك، رشد ناخالص توليد ملي، بازدهي گذشته‌ي بازار، شكاف زماني و اعتباري نرخ بهره و نسبت سود نقدي به قيمت مي باشد. همچنين متغيرهاي تكنيكال شامل شاخص ميانگين متحرك ساده، شاخص ميانگين متحرك نمايي، شاخص قدرت نسبي و شاخص ميانگين متحرك همگرايي-واگرايي هستند.
نتايج نشان مي‌دهد كه مدل به كار برده شده از نظر قدرت پيش‌بيني كنندگي بازده مورد انتظار توانسته است نسبت به ميانگين تاريخي بهتر عمل كرده و ضريب تعيين برون نمونه اي تا سقف 7.2 درصد براي پيش‌بيني بازده عوامل كسب كند. همچنين پس از به كار بردن بازده پيش‌بيني شده توسط مدل در روش ميانگين-واريانس، هم از نظر ميانگين بازده‌هاي كسب شده و هم از نظر نسب شارپ نسبت به استفاده از ميانگين تاريخي نتايج بهتري كسب شده است. همچنين اگر به جاي بازده‌هاي پيش‌بيني شده منفي از عدد صفر استفاده كنيم، همراه با محدوديت وزني حداقل و حداكثري 0.4- و 0.4 درصد، راهبرد استفاده شده توانسته است از نظر ميانگين بازدهي كسب شده و نسبت شارپ كسب شده، استراتژي وزن برابر به طور معني داري را شكست دهد.
شماره ركورد
231127
دانشگاه
دانشگاه اصفهان
رشته تحصيلي
مالي-مهندسي مالي و مديريت ريسك
استاد راهنما
دكتر محمد بت شكن