ارائه مدل بهینه‌سازی پرتفوی چنددوره‌ای با ترجیح ریسک پویا و محدودیت حداقل معاملات در محیط غیرقطعی

نویسندگان

    صابر بهرامی نژاد گروه مالی-مهندسی مالی، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ايران
    فرید عسگری * گروه اقتصاد، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ايران 4410247239@iau.ac.ir
    علی امامی میبدی گروه اقتصاد انرژی، دانشکده اقتصاد، دانشگاه علامه طباطبایی، تهران، ايران
    بابک حاجی کریمی گروه مدیریت صنعتی، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران

کلمات کلیدی:

بهینه‌سازی پرتفوی, پرتفوی چنددوره‌ای, ترجیح ریسک پویا, ارزش در معرض خطر (VaR), حداقل معاملات, الگوریتم ژنتیک, محیط غیرقطعی

چکیده

هدف این پژوهش ارائه یک مدل بهینه‌سازی پرتفوی چنددوره‌ای در محیط غیرقطعی است که به‌صورت هم‌زمان ترجیح ریسک پویای سرمایه‌گذار، معیار ارزش در معرض خطر (VaR) و محدودیت حداقل معاملات را برای بهبود تصمیم‌گیری سرمایه‌گذاری و کنترل ریسک در افق زمانی چنددوره‌ای در نظر می‌گیرد. این پژوهش از نوع کاربردی و مبتنی بر مدل‌سازی ریاضی و بهینه‌سازی کمی بود. در مدل پیشنهادی، بازده دارایی‌ها در قالب یک محیط غیرقطعی و چنددوره‌ای مدل‌سازی شد و تابع هدف بر پایه بیشینه‌سازی ثروت مورد انتظار و کنترل ریسک از طریق معیار VaR طراحی گردید. برای انعکاس رفتار واقعی سرمایه‌گذار، ترجیح ریسک به‌صورت پویا در طول دوره‌های زمانی تغییر داده شد. همچنین محدودیت حداقل معاملات برای کاهش هزینه‌های معاملاتی و جلوگیری از بازتخصیص‌های غیرضروری به مدل افزوده شد. داده‌های مورد استفاده شامل اطلاعات واقعی ده شرکت بزرگ بورس اوراق بهادار تهران طی دوره فروردین 1397 تا اسفند 1404 بود که از سامانه ره‌آورد 365 استخراج شد. به دلیل ماهیت غیرخطی و پیچیده مدل، الگوریتم ژنتیک به‌عنوان روش فراابتکاری حل مسئله در محیط MATLAB به‌کار گرفته شد و عملکرد مدل از طریق تحلیل حساسیت و ارزیابی شاخص‌های ریسک و بازده بررسی گردید. نتایج نشان داد مدل پیشنهادی توانست تعادل مناسبی میان بازده مورد انتظار و سطح ریسک برقرار کند. مقدار بازده مورد انتظار پرتفوی بهینه برابر 0.101 و انحراف معیار آن 0.187 به‌دست آمد، در حالی که مقدار VaR در سطح اطمینان 95 درصد برابر 0.208- بود. تحلیل حساسیت نسبت به سطح اطمینان VaR نشان داد با افزایش محافظه‌کاری سرمایه‌گذار، ریسک پرتفوی کاهش یافته اما بازده مورد انتظار نیز اندکی افت می‌کند. همچنین با افزایش پارامتر ترجیح ریسک، سهم دارایی‌های کم‌ریسک در ترکیب پرتفوی بیشتر شد و انحراف معیار پرتفوی کاهش یافت. نتایج مربوط به محدودیت تعداد معاملات نیز نشان داد افزایش انعطاف‌پذیری معاملاتی موجب رشد بازده و در عین حال افزایش ریسک و گردش پرتفوی می‌شود. علاوه بر این، روند همگرایی الگوریتم ژنتیک نشان داد الگوریتم توانسته به راه‌حل پایدار و نزدیک به بهینه همگرا شود. نتایج پژوهش نشان داد مدل بهینه‌سازی پرتفوی چنددوره‌ای پیشنهادی با در نظر گرفتن ترجیح ریسک پویا، معیار VaR و محدودیت حداقل معاملات قادر است چارچوبی کارآمد و واقع‌بینانه برای مدیریت سرمایه‌گذاری در شرایط عدم قطعیت فراهم سازد. همچنین استفاده از الگوریتم ژنتیک موجب بهبود کیفیت راه‌حل‌ها و دستیابی به ترکیب‌های بهینه سرمایه‌گذاری در افق زمانی چنددوره‌ای شد.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Acciaio, B., Albrecher, H., Biagini, F., & Schmidt, T. (2024). New Challenges in the Interplay Between Finance and Insurance. Oberwolfach Reports, 20(4), 2547-2635. https://doi.org/10.4171/owr/2023/44

Albaqami, H. (2025). A Monte Carlo-Based Framework for Two-Stage Stochastic Programming: Application to Bond Portfolio Optimization. Entropy, 27(11), 1118. https://doi.org/10.3390/e27111118

Cha, J. (2025). Inverse Portfolio Optimization With Synthetic Investor Data: Recovering Risk Preferences Under Uncertainty. https://doi.org/10.48550/arxiv.2510.06986

Escobar‐Anel, M., & Jiao, Y. (2024). Robust Portfolio Optimization With Environmental, Social, and Corporate Governance Preference. Risks, 12(2), 33. https://doi.org/10.3390/risks12020033

Escobar‐Anel, M., Speck, M., & Zagst, R. (2024). Bayesian Learning in an Affine GARCH Model With Application to Portfolio Optimization. Mathematics, 12(11), 1611. https://doi.org/10.3390/math12111611

Ghanbari, H., Tavakoli, S., Shabani, M., Mohammadi, E., Sadjadi, S. J., & Kumar, R. R. (2025). A Two-Stage Framework for Enhancing Crsyptocurrency Portfolio Performance: Integrating Credibilistic CVaR Criterion With a Novel Asset Preselection Approach. PLoS One, 20(7), e0325973. https://doi.org/10.1371/journal.pone.0325973

Hansen, L. P., & Miao, J. (2022). Asset Pricing Under Smooth Ambiguity in Continuous Time. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4060271

Hu, Z., Rui-cheng, Y., & Borjigin, S. (2024). A Multistage Forecasting Model for Green Bond Cost Optimization With Dynamic Corporate Risk Constraints. Journal of Forecasting, 43(7), 2607-2634. https://doi.org/10.1002/for.3142

Jiang, L., Wu, C., & Wang, S. (2023). Distributionally Robust Multi-Period Portfolio Selection Subject to Bankruptcy Constraints. Journal of Industrial and Management Optimization, 19(2), 1044. https://doi.org/10.3934/jimo.2021218

Jin, X., Li, H., & Hou, Y. (2023). Multi-Period Portfolio Optimization Based on Credibilistic Lower and Upper VaR Ratios. Journal of Intelligent & Fuzzy Systems, 45(3), 4825-4845. https://doi.org/10.3233/jifs-224517

Kanaparthi, V. (2024). Navigating Uncertainty: Enhancing Markowitz Asset Allocation Strategies Through Out-of-Sample Analysis. Fintech, 3(1), 151-172. https://doi.org/10.3390/fintech3010010

Kang, J.-h., Huang, N. j., Hu, Z., & Yang, B.-Z. (2022). Robust Equilibrium Strategy for Mean-Variance-Skewness Portfolio Selection Problem. https://doi.org/10.48550/arxiv.2201.06233

Liang, G., Strub, M. S., & Wang, Y. (2023). Predictable Forward Performance Processes: Infrequent Evaluation and Applications to Human‐machine Interactions. Mathematical Finance, 33(4), 1248-1286. https://doi.org/10.1111/mafi.12408

Long, J., & San-yun, Z. (2023). Optimal Portfolio Selection With Delay Under the Framework of Uncertainty Theory. Journal of Applied Mathematics and Physics, 11(10), 2848-2870. https://doi.org/10.4236/jamp.2023.1110187

Maggistro, R., Marino, M., & Martire, A. (2024). A Dynamic Game Approach for Optimal Consumption, Investment and Life Insurance Problem. Annals of Operations Research, 346(2), 1377-1398. https://doi.org/10.1007/s10479-024-05847-3

McKinney, R. (2026). Pricing Biodiversity Risk Under Measurement Heterogeneity: A Continuous-Time Framework for Financial Markets. https://doi.org/10.21203/rs.3.rs-8759911/v1

Moreira, L. M., Santos, I. L. d., & González, P. H. (2025). Portfolio Optimization for Pension Purposes: Literature Review. Journal of Economic Surveys, 40(1), 45-72. https://doi.org/10.1111/joes.12702

Mukerji, S., Özsöylev, H. N., & Tallon, J. M. (2023). Trading Ambiguity: A Tale of Two Heterogeneities. International Economic Review, 64(3), 1127-1164. https://doi.org/10.1111/iere.12627

Oliva, I., & Stefani, I. (2023). Co-Jumps and Recursive Preferences in Portfolio Choices. Annals of Finance, 19(3), 291-324. https://doi.org/10.1007/s10436-023-00425-2

Owadally, I., Jang, C., & Clare, A. (2021). Optimal Investment for a Retirement Plan With Deferred Annuities. Insurance Mathematics and Economics, 98, 51-62. https://doi.org/10.1016/j.insmatheco.2021.02.001

Peykani, P., Nouri, M., Pishvaee, M. S., Oprean-Stan, C., & Mohammadi, E. (2023). Credibilistic Multi-Period Mean-Entropy Rolling Portfolio Optimization Problem Based on Multi-Stage Scenario Tree. Mathematics, 11(18), 3889. https://doi.org/10.3390/math11183889

Pham, H., Wei, X., & Zhou, C. (2021). Portfolio Diversification and Model Uncertainty: A Robust Dynamic Mean‐variance Approach. Mathematical Finance, 32(1), 349-404. https://doi.org/10.1111/mafi.12320

Polak, P., & Ulrych, U. (2021). Dynamic Currency Hedging With Ambiguity. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3906716

Silva, T., Valladão, D., & Homem‐de‐Mello, T. (2021). A Data-Driven Approach for a Class of Stochastic Dynamic Optimization Problems. Computational Optimization and Applications, 80(3), 687-729. https://doi.org/10.1007/s10589-021-00320-4

Wang, H., & Yu, S. M. (2021). Robo-Advising: Enhancing Investment With Inverse Optimization and Deep Reinforcement Learning. https://doi.org/10.48550/arxiv.2105.09264

Wang, L., Chen, Z., & Yang, P. (2021). Robust Equilibrium Control-Measure Policy for a DC Pension Plan With State-Dependent Risk Aversion Under Mean-Variance Criterion. Journal of Industrial and Management Optimization, 17(3), 1203-1233. https://doi.org/10.3934/jimo.2020018

Yao, H., Chen, P., Zhang, M., & Li, X. (2022). Dynamic Discrete-Time Portfolio Selection for Defined Contribution Pension Funds With Inflation Risk. Journal of Industrial and Management Optimization, 18(1), 511. https://doi.org/10.3934/jimo.2020166

Yu, Z., Yan, C., & Wang, X. (2025). Portfolio Model Considering Normal Uncertain Preference Relations of Investors. Entropy, 27(6), 585. https://doi.org/10.3390/e27060585

دانلود

چاپ شده

1406-04-01

ارسال

1404-12-22

بازنگری

1405-02-21

پذیرش

1405-02-28

شماره

نوع مقاله

Articles

ارجاع به مقاله

بهرامی نژاد ص.، عسگری ف.، امامی میبدی ع.، و حاجی کریمی ب. (1406). ارائه مدل بهینه‌سازی پرتفوی چنددوره‌ای با ترجیح ریسک پویا و محدودیت حداقل معاملات در محیط غیرقطعی. حسابداری، امور مالی و هوش محاسباتی، 1-19. https://www.jafci.com/index.php/jafci/article/view/424

مقالات مشابه

31-40 از 222

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.