طراحی پرتفوی هوشمند با استفاده از مدلهای سرمایه گذاری کمی مقاله

در چند دهه گذشته شناسایی متغیرهای حالت و پارامترهای یک مدل از روی داده های اندازه گیری شده، افزایش چشم‌گیری داشته است این رشد گسترده نیاز فزاینده به مدل‌های فراگیر و یکپارچه ایجاد کرده است. دستیابی به رشد مداوم و بلندمدت اقتصادی نیازمند تخصیص بهینه منابع می باشد و این مهم بدون استفاده از بازارهای مالی، به ویژه بازار سرمایه کارآمد امکان پذیر نیست لذا بهینه‌سازی پرتفوی و تخصیص ثروت بین دارایی‌های مختلف از جمله مهمترین مسایل در سرمایه‌گذاری بحساب می آید. در این پژوهش سعی شده است تا در جهت اجرای پرتفوی مالی هوشمند روش‌های موجود بهینه سازی را براساس عملکرد نسبت شارپ ارتقا داده و روش هوشمندی برای انجام معاملات براساس الگوریتم‌های مختلف ارایه گردد. برای این منظور، ابتدا یک مدل سرمایه‌گذاری کمی با استفاده از الگوریتم مومنتوم و مدل سرمایه گذاری بلندمدت در یک افق زمانی 6 ساله با استفاده از داده‌های ماهانه سازمان بورس اوراق بهادار ایجاد نموده و سپس مجموعه ای از مدل‌های هوشمند (توابع کلی ، میانگین کلی و الگوریتم کلی با فیلترکالمن) ایجاد می شود که میزان سرمایه را با استفاده از الگوهای هوشمند برای به حداکثر رسانیدن بازده و جلوگیری از سرمایه گذاری در سهام های با بازده منفی محاسبه نموده و تحصیص بهینه سرمایه دهد که ساختار پیشنهادی عملکرد بهتری نسبت به سایر الگوریتم های مرسوم داشته و می توان آن را جایگزین این روش ها کرد و به نتایج مطلوب تر دست یافت نهایتاً نتایج نشان دهنده کارایی و بهینه بودن مدل پیشنهادی می باشد.

براي اين منظور، ابتدا يک مدل سرمايه گذاري کمي با استفاده از الگوريتم مومنتوم و مدل سرمايه گذاري بلندمدت و الگوريتم توابع پوششي فيلتر کالمن در يک افق زماني ٦ ساله طي سالهاي ١٣٩٢ تا ١٣٩٧ با استفاده از داده هاي ماهانه سازمان بورس اوراق بهادار ايجاد نموده و سپس مجموعه اي از مدل هاي هوشمند (توابع کلي، ميانگين کلي و الگوريتم کلي با فيلترکالمن ) ايجاد گرديد تا ميزان سرمايه را با استفاده از الگوهاي هوشمند براي به حداکثر رسانيدن بازده و جلوگيري از سرمايه گذاري در سهام هاي با بازده منفي محاسبه نموده و تحصيص بهينه سرمايه دهد که ساختار پيشنهادي عملکرد بهتري نسبت به ساير الگوريتم هاي مرسوم داشته و مي توان آن را جايگزين اين روش ها کرد و به نتايج مطلوب تر دست يافت نهايتاً نتايج نشان دهنده کارايي و بهينه بودن مدل پيشنهادي مي باشد. تحليل هاي تکنيکي، الگوهاي روند بازار، عرضه و تقاضاي سهام را مورد بررسي قرار داده اند(آچيلز٢٠٠٠،٨) بطور سنتي رويکردهاي بهينه سازي، يا از شاخص هاي تکنيکي(هيرا باياشي و همکاران ٩، ٢٠٠٩)، (کازانو٢٠١٠،١٠) ؛ (کائوسيک ١١، ٢٠١٢) و يا از ٣٩٩ فصلنامه مهندسي مالي و مديريت اوراق بهادار/ شماره چهل و چهارم / پائيز ١٣٩٩ شاخص هاي بنيادي(هونگ و همکاران ١٢، ٢٠١٢) براي رتبه بندي سهم ها و تشکيل پرتفوي با هدف کسب بازدهي بيشتر از شاخص استفاده ميکنند(پاکيزه و همکاران ، ١٣٩٦).