کاربرد ضرایب همبستگی مبتنی بر کاپولا و اطلاعات متقابل در خوشهبندی سریهای زمانی و تشکیل پرتفوی شاخصی ارتقایافته با استفاده از رویکرد بهینهسازی استوار
نویسندگان
1 دانشجوی دکتری، گروه مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
2 دانشیار، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
3 استاد، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
doi
10.22059/frj.2020.286126.1006904چکیده
هدف: تشکیل پرتفوی شاخصی ارتقایافته، بهعنوان یکی از استراتژیهای مدیریت سرمایهگذاری، سعی در ترکیب مزایای دو رویکرد فعال و غیرفعال دارد. این پژوهش، بهدنبال ارائه یک مدل دومرحلهای است که بتواند در مرحله نخست، عملکرد شاخص را با تعداد کمتری از سهام تشکیلدهنده شاخص بازسازی نماید و در مرحله دوم، اوزان پرتفوی شاخصی ارتقایافته را محاسبه کند. روش: در مرحله نخست، با استفاده از یک مدل برنامهریزی ریاضی صفر و یک بهمنظور خوشهبندی سریهای زمانی، پرتفوی ردیاب شاخص شکل گرفت. معیارهای ضرایب همبستگی مبتنی بر کاپولا و همچنین اطلاعات متقابل بهعنوان شاخصهای شباهت سریهای زمانی در این مرحله استفاده شدند. در مرحله دوم، اوزان سرمایهگذاری در سهمهای منتخب، بهگونهای مشخص شد که بازده مازاد پرتفوی نسبت به پرتفوی شاخصی ایجادشده در مرحله اول (نماینده شاخص)، بیشینه شود. عدم قطعیت ناشی از تخمین بازده مازاد سهمها در مرحله دوم، با استفاده از رویکرد بهینهسازی استوار در نظر گرفته شده است. یافتهها: نتایج آزمون خارج از نمونه روی شاخص 50 شرکت فعالتر بورس اوراق بهادار تهران، در بازه زمانی بهار 1394 تا بهار 1397 با استفاده از خطای ردیابی و نسبت بازار، نشان از این موضوع دارد که علاوه بر موفقیت معیارهای شباهت ذکرشده در خوشهبندی سریهای زمانی و تشکیل پرتفوی مبتنی بر شاخص، در سطح اطمینان 99 درصد، پرتفوهای شاخصی ارتقایافته مبتنی بر ضرایب همبستگی کاپولای نرمال، تی و کلایتون دارای اختلاف بازده مثبت معنادار با شاخص هستند. نتیجهگیری: استفاده از ضرایب همبستگی مبتنی بر کاپولا و همچنین رویکرد بهینهسازی استوار بهمنظور درنظرگرفتن عدم قطعیت پارامترها، در تشکیل پرتفوی شاخصی ارتقایافته، موفق عمل میکند.
