کاربرد شبکه‌های فیلترشده برمبنای آستانه در انتخاب سبد سهام و ارزیابی عملکرد آن

تجزیه و تحلیل شبکه یکی از روش‌های مورد توجه تحلیل‌گران برای تجزیه و تحلیل روابط پیچیده در داده‌ها به روش شهودی است. یکی از کاربردهای تجزیه و تحلیل شبکه، مصور‌سازی روابط بین طبقات مختلف دارایی‌هاست. بازار سهام به عنوان یک سیستم پیچیده‌ای در نظر گرفته می‌شود که پویایی پیچیده متعلق به خود را نشان می‌دهد. شناسایی پویایی‌های بازار سهام برای بازیگران، سرمایه‌گذاران و سیاست‌گذاران مالی مهم است. پیچیدگی بازار سهام می‌تواند دلایل مختلفی داشته باشد که وابستگی متقابل سهام به یکدیگر می‌تواند یکی از برجسته‌ترین این عوامل باشد. یکی از مهم‌ترین دغدغه‌های افراد در بازار سرمایه، یافتن روشی جهت ارائه و تحلیل داده‌های سهام شرکت‌های مختلف است. شرکت‌های مختلفی در بورس وجود دارد و همواره مدیران سبد سرمایه‌گذاری و سرمایه‌گذاران در انتخاب سبد سهام مناسب، نیاز به بررسی بهترین روش برای تشکیل سبد سهام هستند. در این مقاله در خصوص تشکیل پرتفوی متنوع و غیرمتنوع از طریق تئوری شبکه بحث می‌شود. برای اجرای این پژوهش، از قیمت پایانی تعدیل‌شده 138 شرکت شاخص بورسی برای دوره 11-10-1395 الی 15-04-1400معادل 1648روز معاملاتی استفاده ‌شده است. برای توصیف تاثیر بین سهام از ماتریس مجاورت استفاده شده و با استفاده از آستانه بهینه، پرتفوی متنوع و غیرمتنوع بدست می‌آید. نتایج سهام منتخب برای پرتفوی را با استفاده از رویکرد برابری ریسک سلسله مراتبی (hrp) پیاده‌سازی نموده و نتایج آن ربا سه روش مینیمم واریانس (mvp)، توزیع یکنواخت (unif) و برابری ریسک (rp) برای دو دوره زمانی درون نمونه و برون نمونه، برای هر دو پرتفوی متنوع و غیر متنوع مقایسه می‌شود. در نهایت نتایج با استفاده از چهار معیار سورتینو، شارپ، ماکسیمم dd و کالمر مقایسه شده است. نتایج نشان دهنده برتری رویکرد سبد غیرمتنوع در دوران‌های نزولی بازار و برتری رویکرد سبد متنوع‌سازی شده در سایر زمان‌هاست.

application of threshold-based filtered networks in stock portfolio selection and performance evaluation

network analysis is one of the methods of attention of analysts to analyze complex relationships in data in an intuitive way. one of the applications of network analysis is illustrating the relationships between different classes of assets. identifying stock market dynamics is essential for actors, investors, and financial policymakers. the stock market is considered a complex system that shows its complex dynamics. the complexity of the stock market can have several reasons that the interdependence of stocks can be one of the most prominent of these factors. one of the most important concerns of people in the capital market is finding a way to present and analyze stock data of different companies. there are different companies in the stock market and portfolio managers and investors, in choosing the right stock portfolio, need to consider the best way to form a stock portfolio. this article discusses the formation of diverse and non-diverse portfolios through network theory. to conduct this research, the adjusted final price of 138 listed companies for the period 2017-01-01 to 2021-07-06, equivalent to 1648 trading days, has been used. to describe the effect between stocks, the adjacency matrix is used and using the optimal threshold, diverse and non-diverse portfolios are obtained. we implement the results of selected stocks for the portfolio using the hierarchical risk parity (hrp) approach based on clustering methods and the results with three methods of minimum variance (mvp), uniform distribution (unif), and risk parity (rp) for both in-sample and out-of-sample periods are compared for both diverse and non-diversified portfolios. finally, the results have been compared using the four criteria of sortino, sharpe, maximum dd, and calmar. the results show the superiority of the non-diversified portfolio approach in market downturns and the superiority of the diversified portfolio approach in other periods.