مقایسه اثر چولگی و کشیدگی برای معیارهای ریسک سبدهای بهینه با استفاده از ساختار وابستگی توابع مفصل

بهینه‌سازی فرایند انتخاب بهترین گزینه از میان مجموعه‌ای از گزینه‌های در دسترس با توجه به محدودیتهای مشخص است، مهم‌ترین چالش‌های پیش روی سرمایه‌گذاران، مدیران مالی و مدل‌سازان تحقیق در عملیات است. برای بهینه‌سازی سبد سهام می‌توان از معیارهای مختلفی به عنوان ریسک در تابع هدف استفاده کرد که در این خصوص مقایسه هر یک از این روش‌ها از اهمیت خاصی برخوردار می‌باشد. این پژوهش سبد بهینه با معیارهای ریسک واریانس (mv)، نیم‌واریانس(msv)، انحراف مطلق (mad) و ارزش در معرض خطر مشروط (cvar) برای پنج نماد حکشتی، کچاد، وپارس، خودرو و شبندر در دوره زمانی 99/9/1 تا 1400/3/1 را بدست آورد و هر چهار روش با هم مقایسه شد. سپس به ارزیابی اثر چولگی و کشیدگی بر سبدهای بهینه در هر چهار معیار ریسک با اعمال ساختار وابستگی توابع مفصل به کمک شبیه‌سازی مونت‌کارلو پرداخته می‌شود. در این راستا از سیستم توزیع پیرسون و مفصل گوسی برای شبیه‌سازی بازده‌ها با چولگی و کشیدگی‌های مختلف و با انحراف معیار و میانگین داده‌های تاریخی استفاده شد و نهایتا نشان داده می‌شود که این فرایند به تغییر در سبدهای بهینه در هر چهار روش بهینه‌سازی سبد منجر شد به طوری‌که تغییر ایجاد شده در مقدار ریسک ارائه شده در سبد بهینه cvar بیشترین تغییر و در سبد بهینه msv کمترین تغییر را ایجاد کرد.

Comparison of skewness and kurtosis effects for optimal portfolios risk criteria using dependent structure of copula functions

Portfolio optimization is one of the main methods of investment and one of the main stages of portfolio construction. Since ptimization is the process of selecting the best option from a set of available options, given specific constraints, this is one of the most important challenges facing investors, financial managers and operations research modelers. In this paper, the optimal portfolio curvature with criteria of variance risk (MV), absolute deviation (MAD) and conditional value at risk (CVaR) for the five symbols Shasta, Kachad, Vepars, Khsapa and Shebandar is obtained from 1/09/1399 to 1/3/1400 and all four methods are compared. Accordingly, the effect of skewness and kurtosis on optimal portfolios in all four risk criteria is investigated by applying the dependence structure of copula functions using Monte Carlo simulation. In this regard, Pearson distribution system and Gaussian copula have been used to simulate the yields with different skewness and kurtosis and with standard deviation and mean of historical data, and finally it is shown that this process leads to a change in the optimal portfolios in all four methods of portfolio optimization, so that the change in the amount of presented risk causes the most change in the optimal portfolio of CVaR and the least change in the optimal portfolio MSV.