مقایسه کارایی پرتفوی بهینه مبتنی بر ارزش در معرض خطر و پتانسیل مطلوب با مدل های متعارف

پژوهش حاضر،‌ ‌‌ضمن انتخاب پرتفوی بهینه بر اساس مدل پیشنهادی در سه سناریوی سرمایه‌گذار پتانسیل‌پذیر و ریسک‌گریز، سرمایه‌گذار پتانسیل خنثی و ریسک‌گریز و سرمایه‌گذار پتانسیل‌گریز و ریسک‌گریز، کارایی آنها را با پرتفوی بهینه مبتنی بر مدل مارکویتز مقایسه نموده است. برای این منظور بازده ماهانه 50 شرکت فعال‌تر بورس اوراق بهادار تهران ‌طی دوره هفت ساله 13971391 محاسبه، از معیار ارزش در معرض خطر (سنجه ریسک نامطلوب) و کوواریانس جزء بالا (سنجه پتانسیل مطلوب) و ‌اطلاعات چهار سال برای ساخت مدل و تعیین مرز کارا استفاده نموده است. به‌گونه‌ای که در هر دوره با توجه به بازده ماه جدید و حذف قدیمی‌ترین بازده ماهانه ساخت مدل و تعیین مرز کارا به‌روزرسانی شده و این عمل برای 36 ماه داده آزمون مدل تکرار گردیده است. برای محاسبات آماری پارامترهای مدل از نرم افزار eviews11، جهت حل مسئله درجه دو مدل مارکویتز از نرم افزار matlab، جهت حل برنامه‌ریزی غیرخطی مدل پیشنهادی از نرم افزار gams و به‌منظور آزمون فرضیه‌ها و مقایسه نتایج دو مدل از روش مطالعات طولی با اندازه‌گیری مکرر از نرم افزار آماری spss استفاده شده است. نتایج نشان داد روزآمدسازی مدل، مرز کارا و همچنین استفاده از معیار ارزش در معرض خطر و توجه به گرایش‌های سرمایه‌گذار از نظر تمایل به پتانسیل‌های مطلوب و ریسک‌گریزی منجر به بهبود کارایی پرتفوی بهینه می‌شود.

Comparison of Optimal Portfolio Performance Based on Value at Risk and Upside Risk with Conventional Models

The present study compares the performance of the optimal portfolio, based on Value at Risk and Upside Risk, with conventional models (the optimal portfolio based on the Markowitz model). This study aimed to select an optimal portfolio based on the proposed model in three scenarios: 1 potential and riskaverse 2 neutral potential and riskaverse 3 aversive potential and risk aversion investor, and compare them to the Markowitz model. So, we calculated the monthly returns of the 50 most active Tehran Stock Exchange companies over seven years of 9197. These Four years are used to build the model and determine the efficient frontier. The value at risk is used as an undesirable risk measurement criterion, and covariance upper partial momentCUPM is used as a desirable potential measurement. Also, this procedure was repeated for 36 months. To calculate the model’s parameters Eviews11 software was used, and MATLAB software was used to solve the Markowitz quadratic programming. Likewise, GAMS software was used to solve the proposed nonlinear programming problem. And finally, SPSS software was used to test the hypotheses and compare the results of the two models with the longitudinal studies method with repeated measurements. The results show that updating the model, efficient frontier and applying the criteria of value at risk, and paying attention to investor orientations in terms of tendency to optimal potentials and risk aversion lead to optimized portfolio performance.