بهینه‌سازی چند دوره‌ای سبد سرمایه بر اساس اندازه ریسک احتمالی و مدل ( ar(1)-garch(1,1

در این مقاله از الگوریتم انتخاب سبد سرمایه چند دوره‌ای برای بیشینه کردن دارایی سرمایه‌گذار با استفاده از معیار ریسک احتمالی استفاده شده و با فرض‌های مناسب جدید مسائل بهینه‌سازی مورد بحث حل شده است. به این صورت که به جای استفاده از تنها توزیع نرمال یا حتی یک توزیع مشخص (با پارامترهای مجهول) برای همه دارایی‌ها در تمام دوره‌ها، برای هر دارایی در هر دوره بهترین توزیع از بین توزیع‌های نرمال، تی، پایدار و براوردگر توزیع هسته را در نظر بگیریم. در نتیجه جواب‌های نزدیک‌تر به واقعیت به دست خواهند آمد. علاوه بر این، به منظور بهینه‌سازی نتایج، به‌جای استفاده از یک توزیع پارامتری یا برآوردگر توزیع هسته، از درون‌یابی تکه‌ای خطی توزیع تجربی برای حل مسئله بهینه‌سازی استفاده گردیده است. در پایان با استفاده از داده‌های تاریخی و مدل ar(1)-garch(1,1) برای سرمایه‌گذاری‌های آتی در سبد سرمایه برنامه‌ریزی شده است.

multi-period portfolio optimization under probability risk measure and ar (1)-garch (1,1) model

in this paper, we solve the multi-period portfolio optimization problem under new assumptions. recently, the authors examined some distributions instead of gaussian to fit returns to improve the optimization problem and indicated, by kolmogorov-smirnov test, that the kernel density estimator is the best one. in the present paper, we consider the most appropriate distribution of each asset in each period to fit return. moreover, in order to optimize the solutions, we use piecewise linear interpolation of the empirical distribution. furthermore, we show that how one may plan for future investments using historical data and ar(1)-garch(1,1) model under new assumptions.