انتخاب پرتفوی مناسب براساس بهینه سازی بازده سهام در گشتاورهای بالای مدل مارکویتز با استفاده از اطلاعات بازار سهام تهران

با در نظر گرفتن محدودیت اولیه مدل مارکویتز در رابطه با فرض نرمال بودن توزیع بازده سهام، توجه به مدل های جامع تر که گشتاورهای بالا را در بهینه سازی و تشکیل پرتفوی مورد توجه قرار می دهند، لازم است در این پژوهش سعی شد است تا تاثیر کاربرد این نوع از مدل ها در بهینه سازی سبد سهام مورد آزمون قرار گیرد در این راستا کلیه اطلاعات مربوط به بازدهی سهام 240 شرکت از شرکت های پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی سال های 82 تا 92 مورد بررسی قرار گرفت سهام با داده های بازده غیر نرمال با استفاده از تست جارکو برا JB شناسایی و سبدهای سهام با توزیع غیر نرمال بازده بر مبنای سه مدل واریانس میانگین MV میانگین واریانس چولگی MVS و میانگین واریانس چولگی کشیدگی MVSK تشکیل و مورد آزمون قرار گرفت به منظور انتخاب درست وزن سهام یک الگوریتم مورد استفاده قرار گرفت. برای تعیین میزان مثمر ثمر بودن کاربرد گشتاورهای بالا در دستیابی به بازده، پیش بینی نتایج با استفاده از روش شبکه های عصبی مصنوعی در نرم افزار MATLAB انجام شد. نتایج تحقیق بیانگر عملکرد بهتر مدل های MVSK,MVS در مقایسه با مدل MV در تحقق هدف ارتقاء و بهینه سازی فرآیند انتخاب و تشکیل سبد سهام است.

کلیدواژه ها:

مدل مارکویتز ، بازده غیر نرمال ، پیش بینی بازده ، شبکه های عصب مصنوعی ، گشتاورهای بالا