ارزیابی عملکرد دارایی‌ها با استفاده از مشخصه‌های توزیع‌ بازده‌ها

هدف: بهینه‌سازی سبدمالی شامل انتخاب دارایی‌هایی با بیش‌ترین بازده و کم‌ترین ریسک است؛ بنابراین، ارزیابی عملکرد دارایی‌ها یک راه‌حل مفید در انتخاب دارایی‌ها و تشکیل سبد پرسود می‌باشد. برای این‌منظور، از روش ناپارامتریک تحلیل پوششی داده‌ها dea که ابزارمناسبی برای سنجش عملکرد است، استفاده می‌گردد. با توجه به این‌که توزیع‌ بازده‌ها نرمال نیست و دارای چولگی، کشیدگی و دم‌های سنگین می‌باشد که به‌طور قطع روی عملکرد دارایی‌ها تاثیر می‌گذارند، ناگزیریم برای ارزیابی عملکرد دارایی‌ها مشخصه‌های توزیع بازده‌ها را در نظر بگیریم. درمدل پیشنهادی از فرآیند تصادفی واریانس گاما به‌عنوان فرآیند بازده دارایی استفاده می‌کنیم، زیرا این فرآیند می‌تواند چولگی و کشیدگی بازده‌ها را پوشش دهد. در نتیجه، سبدی با انتخاب دارایی‌هایی که ارزیابی آن‌ها واقع‌بینانه‌تر است می‌سازیم.روش‌شناسی پژوهش: در مدل ارایه‌شده، سنجه ریسک ارزش در معرض خطر شرطی تنها ورودی مدل و میانگین بازده‌ها و معیار شارپ به‌عنوان خروجی‌های مدل هستند. به‌دلیل‌ آن‌که خروجی‌ها می‌توانند مقادیر منفی نیز اختیار کنند، مدل پیشنهادشده، از مدل داده منفی vrm در ماهیت خروجی الهام گرفته شده است. با توجه به آن‌که بازده‌های دارایی‌ها از توزیع واریانس گاما تبعیت می‌کنند، پارامترهای آن را از روش گشتاورها برآورد کرده و سپس فاکتورهای فرآیند به کمک روش مونت‌کارلو شبیه‌سازی می‌گردند. در انتها، سناریوهای بازده‌ها به دست می‌آیند و  از آن‌ها در مدل معرفی‌شده استفاده نموده و به ارزیابی عملکرد دارایی‌ها می‌پردازیم.یافته‌ها: درستی مدل ارایه‌شده برای ارزیابی کارایی نسبی روی 7 شرکت از صنایع مختلف در بازار بورس ایران بررسی شد. نتایج حاصل از مدل معرفی‌شده نشان می‌دهند که با در نظر‌گرفتن مشخصه‌های توزیع بازده‌ها، مقادیر ورودی و خروجی‌های مدل واقعی‌تر تخمین زده می‌شوند و می‌توان نتایج مطمئن‌تری به‌دست آورد و در‌نتیجه می‌توان یک سبدمالی پر سود تشکیل داد.اصالت/ارزش افزوده علمی: ارزیابی عملکرد دارایی‌ها با در نظر‌گرفتن مشخصه‌های توزیع بازده‌ها منجر به نتایج نزدیک به واقعیت می‌گردد.

assets performance evaluation with the use of returns distribution characteristics

purpose: portfolio optimization is a selection of assets with the lowest risk and highest return. asset performance evaluation is a useful way to choose assets and construct a profitable portfolio. for this purpose, the non-parametric data envelopment analysis (dea) method is used, which is a suitable tool for measuring performance. by the fact that stock returns are not normally distributed and usually exhibit skewness, kurtosis and heavy-tails, which definitely affects the assets performance, we have to consider the characteristics of the returns distribution. in the proposed model, we apply the variance gamma (vg) process, which covers the skewness and kurtosis of returns. as a result, we construct a portfolio by selecting assets which their performance is more realistic.methodology: in the introduced model, the only input of the model is conditional value at risk (cvar), and the mean return and sharpe index are the model’s outputs. since the outputs can be negative, the model is inspired by vrm in the output-oriented dea model, which deals with negative values. as the returns on stock are vg distributed, its parameters are simulated by the method of moments estimation, and then the process factors are simulated by the monte carlo technique. finally, the scenarios of returns are obtained, and the assets performance is evaluated.findings: the correctness of the model is investigated by evaluating the relative efficiency of 7 companies from different industries in iran stock market. the results show that by considering the returns distribution characteristics, the input and outputs values of the model are estimated more realistically and more reliable results can be obtained; thus a profitable portfolio can be constructed.originality/value: evaluation of the assets performance by taking into account the returns distribution characteristics leads to realistic results.