خلاصة:
با توجه به غیر قطعی بودن دادههای مالی استفاده از روشهای فازی باعث دقت بیشتری در مدلسازی میشود. همچنین استفاده از سنجهی ریسک ارزش در معرض خطر مشروط به اینکه اندازه ضرر را به سرمایهگذار نشان میدهد، به تصمیمگیری بهتر کمک میکند. در این مقاله با استفاده از سنجه ارزش در معرض ریسک مشروط و تخمین آن بهوسیله نظریه اعتبار فازی اقدام به بهینهسازی سبد سرمایهگذاری شده است. به این منظور، بازده انتظاری پرتفوی به وسیله میانگین اعتبار فازی بهدست آمده و سپس ارزش در معرض ریسک مشروط به وسیله همین نظریه تخمین زده شدهاست. در مرحله بعد با درنظر حجم معاملات هر دارایی به شکل یک عدد فازی ذوزنقهای و بهدست آوردن یک رابطه خطی بر مبنای نظریه اعتبار، محدودیت نقدشوندگی در مدل درنظر گرفته میشود. همچنین جهت کاراتر شدن مدل، محدودیتهای کف و سقف نسبتهای سرمایهگذاری و محدودیت کاردینالیتی در مدل درنظر گرفته شدهاست. مدل ارائه شده با توجه به استفاده از سنجه ریسک ارزش در معرض ریسک مشروط و همچنین درنظر گرفتن محدودیتهای کارا، میتواند به عنوان مدلی مناسب جهت انتخاب سبد سرمایهگذاری معرفی شود. در نهایت نیز جهت پیادهسازی مدل، یک مثال عددی با استفاده از 10 سهم از بورس اوراق بهادار تهران در سال 94 که به صورت تصادفی انتخاب شدهاند، ارائه شده است.
This paper develops a fuzzy portfolio selection problem that minimizes conditional value-at-risk (CVaR) and estimates CVaR by fuzzy credibility theory and also calculates expected return by fuzzy credibility mean. Using fuzzy techniques makes the model more precise and accurate due to uncertainty of financial data. The use of CVaR helps investors make better decisions because it indicates the size of loss. This study considers some constraints for model including liquidity, cardinality, minimum and maximum investment proportion. The liquidity constraint is measured by turnover of each asset as a trapezoidal fuzzy number. The liquidity constraint converts to a linear constraint by using fuzzy credibility theory. Using CVaR as a risk measurement and efficient constraints makes the model appropriate and adequate for portfolio selection. Finally, a numerical example is provided by 10 stocks chosen from Tehran Stock Exchange Market in 2015 and it shows the effectiveness and applicability of the proposed model.