استراتژی تنوع سازی سبد سهام بهینه با استفاده از معیارهای ریسک wcvar و β مقایسه آن با روش مونت کارلو

انتخاب سبد بهینه سهام از اهداف اصلی مدیریت سرمایه است. معیارهای متعددی برای اندازه‌گیری ریسک سبد سرمایه‌گذاری و انتخاب سبد بهینه ارائه‌شده است. در این پژوهش مدل کاربردی wcvar با روش مونت‌کارلو برای اندازه‌گیری ریسک سبد سهام و انتخاب یک سبد بهینه وزنی متنوع استفاده شد. wcvar یکی از جدیدترین سنجه‌های ریسک است و نواقص مدل var و cvar را پوشش می‌دهد. این پژوهش از اطلاعات روزانه ده شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در دوره 1397-1387 استفاده نمود. این پژوهش در حالت حداقل ریسک wcvar به مقایسه میانگین بازده سرمایه‌گذاری و میانگین ارزش سرمایه‌گذاری در سبدهای منتخب با دو روش برنامه‌ریزی خطی و مونت‌کارلو می‌پردازد. نتایج حاصل از برآورد مدل با استفاده روش برنامه‌ریزی خطی، نشان داد که تغییر معیار بهینه‌سازی منجر به تغییر وزن سهام سبد و تغییر استراتژی تنوع سازی در سبد سهام بهینه خواهد شد. به‌طوری‌که از بین 44 سبد با وزن‌های مختلف بهینه‌ترین سبد وزنی متنوع بر اساس ارزش سبد و بازده تحت معیار wcvar سبد شماره 16 و 25 است. همچنین نتایج نشان داد که در سبد بهینه مقدار ریسک و بازدهی بیشتری با شبیه‌سازی مونت‌کارلو نسبت به برنامه‌ریزی خطی برآورد شده است. درنهایت نیز با مقایسه ریسک wcvar و β با روش شبیه سازی مونتکارلو نتایج نشان داد که بازدهی بیشتری در سبد بهینه با ریسک β نسبت به wcvar برآورد شده است.

Optimal Portfolio Diversification Strategy Using WCVaR Risk Criteria and Its Comparison with Monte Carlo Method

Choosing an optimal portfolio is one of the main goals of financial management. The initial strategy is to zero the risk of nonsystematic risk by diversification in the optimal portfolio. In this research, WCVaR applied model and linear programming method for stock market risk measurement and selection of a weight optimized portfolio were used. WCVaR is one of the newest risk measurements and covers the defects of the VaR and CVaR models. This research 11year period information (1387 1397) was used from actual data of 10 different companies accepted in Tehran Stock Exchange. This research uses data from ten companies accepted in TESM during the period of 13971387. The results of model estimation using the linear programming method in Matlab software showed that changing the benchmark optimization would lead to a change in the weight of the basket stock and change the strategy of diversification in the optimal portfolio. The results of estimating the model using the linear programming method showed that changing the optimization criterion will lead to a change in the stock weight of the portfolio and a change in the diversification strategy in the optimal stock portfolio. Among the 44 baskets with different weights, the most optimal