ارزیابی مدل‌های پرتفوی سرمایه گذاری در صندوق‌های سرمایه‌گذاری مشترک در بازارهای مالی جهانی (با تاکید بر الگوریتم فرا ابتکاری چند هدفه)

پیچیدگی ابزارها و بازارهای مالی، تصمیم‌گیری در خصوص انتخاب نوع دارایی را برای سرمایه‌گذاران دشوار می‌کند، به‌طوری‌که سرمایه‌گذاران همواره در تصمیم‌گیری‌های خود با مسئلهٔ بهینه‌سازی مجموعهٔ دارایی‌ها روبه‌رو هستند؛ بنابراین انتخاب سبد سرمایه‌گذاری مناسب به‌منظور حداکثر سازی سود یکی از اصلی‌ترین دغدغه‌های سرمایه‌گذاران است. با این بیان هدف مقاله حاضر مقایسه توضیح دهندگی و عملکرد مسئله بهینه‌سازی و قدرت پیش‌بینی مدل‌های arma-شبیه‌سازی تاریخی و arfima-مونت کارلو (از مدل‌های پدیرفته شده در دنیا) در بهینه‌سازی پرتفوی صندوق‌های سرمایه‌گذاری مشترک است. جامعهٔ آماری و نمونه شامل داده‌های صندوق‌های منتخب معامله شده در بورس اوراق بهادار کشورهای منتخب عضو فدراسیون بورس‌های آسیایی و اروپایی (feas) بین سالهای 2013 تا 2019 بوده است.نتایج پژوهش نشان داد که مدل arima- ارزش در معرض ریسک (شبیه‌سازی تاریخی) مرز کارای بالاتری در مقایسه با arima- ارزش در معرض ریسک (شبیه‌سازی مونت کارلو) دارد. همچنین مرز کارای (جبهه پارتو) رسم شده توسط الگوریتم pesa-ii برای مدل دیگر را در خود جای‌داده است. برای پی بردن به معنادار بودن این تفاوت عملکرد آزمون من-ویتنی بررسی شده است. نتایج بیانگر آن است که معیار شارپ پرتفلیو بهینه arima- ارزش در معرض ریسک (شبیه‌سازی تاریخی) در مقایسه با arima-ارزش در معرض ریسک (شبیه‌سازی تاریخی) بهتر است.

Evaluation of investment portfolio models in mutual fund in global financial markets (with emphasis on multi-objective meta-heuristic algorithm)

The complexity of financial instruments and markets makes it difficult for investors to decide on the type of asset, so that investors are always faced with the problem of optimizing the set of assets in their decisions. Therefore, choosing the right investment portfolio in order to maximize profits is one of the main concerns of investors. With this statement, the purpose of this article is to compare the explanation and performance of the optimization problem and the predictive power of ARMAhistorical simulation models and ARFIMAMonte Carlo (one of the most established models in the world) in fund portfolio optimization ‌ is a joint venture. The statistical and sample population included data from selected funds traded on the stock exchange of selected member countries of the Federation of Asian and European Stock Exchanges (FEAS) between 2013 and 2019.The results showed that the ARIMAvalue at risk (historical simulation) model has a higher efficiency boundary compared to the ARIMAvalue at risk (Monte Carlo simulation). It also incorporates the Pareto frontier drawn by the PESAII algorithm for the other model. To determine the significance of this difference, the performance of the MannWhitney test has been investigated. The results indicate that the ARIMAvalueatriskoptimal portfolio Sharp criterion is better than the ARIMAvalueatrisk (historical simulation) criterion.