ارزیابی مدل های پرتفوی سرمایه گذاری در صندوق های سرمایه گذاری مشترک در بازارهای مالی جهانی (با تاکید بر الگوریتم فرا ابتکاری چند هدفه)

پیچیدگی ابزارها و بازارهای مالی، تصمیم گیری در خصوص انتخاب نوع دارایی را برای سرمایه گذاران دشوار می کند، به طوری که سرمایه گذاران همواره در تصمیم گیری های خود با مسئله بهینه سازی مجموعه دارایی ها روبه رو هستند؛ بنابراین انتخاب سبد سرمایه گذاری مناسب به منظور حداکثر سازی سود یکی از اصلی ترین دغدغه های سرمایه گذاران است. با این بیان هدف مقاله حاضر مقایسه توضیح دهندگی و عملکرد مسئله بهینه سازی و قدرت پیش بینی مدل های ARMA-شبیه سازی تاریخی و ARFIMA-مونت کارلو (از مدل های پدیرفته شده در دنیا) در بهینه سازی پرتفوی صندوق های سرمایه گذاری مشترک است. جامعه آماری و نمونه شامل داده های صندوق های منتخب معامله شده در بورس اوراق بهادار کشورهای منتخب عضو فدراسیون بورس های آسیایی و اروپایی (FEAS) بین سالهای ۲۰۱۳ تا ۲۰۱۹ بوده است.نتایج پژوهش نشان داد که مدل ARIMA-ارزش در معرض ریسک (شبیه سازی تاریخی) مرز کارای بالاتری در مقایسه با ARIMA-ارزش در معرض ریسک (شبیه سازی مونت کارلو) دارد. همچنین مرز کارای (جبهه پارتو) رسم شده توسط الگوریتم PESA-II برای مدل دیگر را در خود جای داده 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 (شبیه سازی تاریخی) در مقایسه با ARIMA-ارزش در معرض ریسک (شبیه سازی تاریخی) بهتر است.

کلیدواژه ها:

صندوق های سرمایه گذاری مشترک ، بازارهای مالی ، الگوریتم فراابتکاری چند هدفه ، FEAS