بهینه‌سازی سبد سرمایه‌گذاری با استفاده از ارزش در معرض ریسک شرطی تحت نظریه اعتبار فازی: مطالعه موردی شاخص صنعتی داو جونز

نویسندگان

  • حسین قنبری گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران.
  • اسماعیل طاهری‌پور گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران.
  • عمران محمدی * گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران. https://orcid.org/0000-0001-9965-1118

https://doi.org/10.22105/mmaa.v2i3.96

چکیده

هدف: این پژوهش با هدف بهینه‌سازی سبد سرمایه‌گذاری با ترکیب «ارزش در معرض ریسک شرطی» و «نظریه اعتبار فازی» برای مدیریت ریسک و عدم قطعیت در بازارهای مالی انجام شده است.

روش‌شناسی پژوهش: در این راستا، یک مدل ریاضی با استفاده از اعداد فازی ذوزنقه‌ای و در نظر گرفتن محدودیت‌های عملیاتی مانند کاردینالیتی و سقف و کف برای سرمایه‌گذاری توسعه داده شد. این مدل با داده‌های شاخص داو جونزو با نرم‌افزار GAMS پیاده‌سازی و حل گردید.

یافته‌ها: نتایج حاکی از آن است که مدل پیشنهادی قادر به تخصیص بهینه وزن دارایی‌ها در شرایط مختلف است و سهم غالب را به دارایی‌های با پتانسیل رشد بالا (مانند NVDA) اختصاص می‌دهد.

اصالت/ارزش افزوده علمی: ارزش اصلی این مقاله در تلفیق نظریه اعتبار فازی با معیار پیشرفته CVaR و لحاظ کردن محدودیت‌های واقعی بازار است که رویکردی نوین و کاربردی برای تصمیم‌گیری در شرایط عدم قطعیت ارایه می‌دهد.

کلمات کلیدی:

بهینه‌سازی سبد سرمایه‌گذاری، ارزش در معرض ریسک شرطی، عدم قطعیت فازی، نظریه اعتبار، بازار بورس نیویورک، شاخص صنعتی داو جونز

مراجع

  1. [1] Keller, C., & Siegrist, M. (2006). Investing in stocks: The influence of financial risk attitude and values-related money and stock market attitudes. Journal of economic psychology, 27(2), 285–303. https://doi.org/10.1016/j.joep.2005.07.002
  2. [2] Shane, S. (2012). The importance of angel investing in financing the growth of entrepreneurial ventures. The quarterly journal of finance, 2(2), 1250009. https://doi.org/10.1142/S2010139212500097
  3. [3] Mansini, R., Ogryczak, W., & Speranza, M. G. (2014). Twenty years of linear programming based portfolio optimization. European journal of operational research, 234(2), 518–535. https://doi.org/10.1016/j.ejor.2013.08.035
  4. [4] Kolm, P. N., Tütüncü, R., & Fabozzi, F. J. (2014). 60 Years of portfolio optimization: practical challenges and current trends. European journal of operational research, 234(2), 356–371. https://doi.org/10.1016/j.ejor.2013.10.060
  5. [5] Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x
  6. [6] Ghanbari, H., Safari, M., Ghousi, R., Mohammadi, E., & Nakharutai, N. (2023). Bibliometric analysis of risk measures for portfolio optimization. Accounting, 9, 95–108. https://doi.org/10.5267/j.ac.2022.12.003
  7. [7] Rockafellar, R. T., & Uryasev, S. (2000). Optimization of conditional value-at-risk. Journal of risk, 2(3), 21–42. https://doi.org/10.21314/JOR.2000.038
  8. [8] Rockafellar, R. T., & Uryasev, S. (2002). Conditional value-at-risk for general loss distributions. Journal of banking & finance, 26(7), 1443–1471. https://doi.org/10.1016/S0378-4266(02)00271-6
  9. [9] Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X
  10. [10] Liu, B. (2004). Uncertainty theory: An introduction to its axiomatic foundation. Physica-verlag, Heidelberg. https://doi.org/10.1007/978-3-540-39987-2
  11. [11] Liu, G. (2007). Uncertainty theory. AI & Society. https://doi.org/10.1007/978-3-540-73165-8_5
  12. [12] Mohebbi, N., & Najafi, A. A. (2018). Credibilistic multi-period portfolio optimization based on scenario tree. Physica A: Statistical mechanics and its applications, 492, 1302–1316. https://doi.org/10.1016/j.physa.2017.11.058
  13. [13] Deng, X., Zhao, J., & Li, Z. (2018). Sensitivity analysis of the fuzzy mean-entropy portfolio model with transaction costs based on credibility theory. International journal of fuzzy systems, 20(1), 209–218. https://doi.org/10.1007/s40815-017-0330-1
  14. [14] Gupta, P., Mehlawat, M. K., & Khan, A. Z. (2021). Multi-period portfolio optimization using coherent fuzzy numbers in a credibilistic environment. Expert systems with applications, 167, 114135. https://doi.org/10.1016/j.eswa.2020.114135
  15. [15] Mehlawat, M. K., Gupta, P., & Khan, A. Z. (2021). Multiobjective portfolio optimization using coherent fuzzy numbers in a credibilistic environment. International journal of intelligent systems, 36(4), 1560–1594. https://doi.org/10.1002/int.22352
  16. [16] Liu, N., Chen, Y., & Liu, Y. (2018). Optimizing portfolio selection problems under credibilistic CVaR criterion. Journal of intelligent & fuzzy systems, 34(1), 335–347. https://doi.org/10.3233/JIFS-171298

دانلود

چاپ شده

2025-07-25

شماره

دوره 2 شماره 3 (2025): مدیریت: مدلسازی، تحلیل‌ها و کاربردها

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

قنبری ح., طاهری‌پور ا., & محمدی ع. (2025). بهینه‌سازی سبد سرمایه‌گذاری با استفاده از ارزش در معرض ریسک شرطی تحت نظریه اعتبار فازی: مطالعه موردی شاخص صنعتی داو جونز. مدیریت: مدلسازی، تحلیل‌ها و کاربرد, 2(3), 148-159. https://doi.org/10.22105/mmaa.v2i3.96
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.