مدل بهبودیافته ردیابی شاخص با درنظر گرفتن هزینه‌های معاملاتی

محورهای موضوعی : مهندسی مالی

امیر آزادی ¹ (گروه مهندسی صنایع-سیستم‌های مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.)
امیرعباس نجفی ² (گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.)

تاریخ دریافت : 1398/07/29 تاریخ پذیرش : 1398/10/21 تاریخ انتشار : 1399/01/01

کلید واژه: الگوریتم ژنتیک, سبد سرمایه‌گذاری, ردیابی شاخص, پورتفوی ردیاب, صندوق‌های شاخصی,

چکیده مقاله :

مسئله بهینه‌سازی پورتفوی سرمایه‌گذاری، یکی از مباحث بسیار مهم در بازارهای مالی است. برای مدیریت پورتفوی دو نوع استراتژی منفعلانه و فعالانه وجود دارد که ایجاد پورتفوی ردیاب شاخص یکی از جنبه های رویکرد منفعلانه برای مدیریت سبد سهام می‌باشد. اساس سبد ردیاب شاخص، دستیابی به عملکردی مطابق با بازده شاخص با تشکیل سبدی محدود از سهام است که در پی آن هزینه‌های معاملاتی برای سرمایه‌گذار کاهش پیدا خواهد کرد. در این پژوهش، مدلی برای تشکیل پورتفوی ردیاب ارائه شده است که هدف آن کمینه‌سازی انحرافات نامطلوب (بازده پورتفوی کمتر از بازده شاخص) و بیشینه‌سازی انحرافات مطلوب (بازده پورتفوی بیشتر از شاخص) است. بمنظور حل مدل توسعه داده شده از الگوریتم ژنتیک استفاده شده است. برای ارزیابی عملکرد مدل، داده‌های چهار صنعت بزرگ بورس اوراق بهادار تهران بکار گرفته شده و نتایج نشان می‌دهد که مدل پیشنهادی عملکرد خوبی در ردیابی شاخص مربوطه و دستیابی به بازده مازاد بر شاخص داشته است.

چکیده انگلیسی:

Portfolio optimization is one of the most important issues in financial sciences. Various strategies have been used to manage stock portfolios, which can be categorized into types: active and passive strategies. One of the most important passive portfolio management approaches is to form an index tracking portfolio. The purpose of index tracking portfolio is to its performance replicate market index as benchmark as closely as possible with a limited stocks in portfolio which will result in lower transaction costs for investor. In this research, a model for index tracking problem is proposed which aims to minimize undesirable deviations and maximize desirable deviations. Finally, a genetic algorithm is used to solve the leading model. To evaluate the performance of the model, data from four major industries of Tehran Stock Exchange has been used. The results show that the proposed model has a suitable performance in tracking the relevant index and achieving excess return over the benchmark.

منابع و مأخذ:

• جونز.چارلز.پی؛ «مدیریت سرمایه‌گذاری»، نشر نگاه دانش، تهران، ویرایش اول.


• حجازی، رضوان 1390؛ «تشکیل صندوق شاخصی بهبودیافته با استفاده از الگوریتم ژنتیک»، فصلنامه بورس اوراق بهادار، شماره 14، 157-135.


• حنیفی، فرهاد؛ بحرالعلوم، محمد مهدی؛ جوادی، بابک (1388)، «طراحی و تحلیل مقایسه‌ای انتخاب پورتفوی بهینه ردیابی‌کننده شاخص بورس بر اساس الگوریتم ژنتیک و رویکرد ترکیبی آن با برنامه ریزی کوادراتیک»، پایان نامه کارشناسی ارشد ، MBA دانشگاه صنعتی مالک اشتر.


• نبی‌زاده، احمد؛ قره‌باغی، هادی؛ بهزادی، عادل (1396)، «بهینه‌سازی پورتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم‌های تکاملی»، تحقیقات مالی، دوره 19، شماره 2، تابستان 1396، صص 340-319.


• نجفی، امیرعباس؛ فاضلی سبزوار، احسان (1393)، «مدل دوهدفه بازنگری سبد ردیاب شاخص با لحاظ هزینه‌های معاملاتی و حل آن با الگوریتم‌های فراابتکاری»، فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار»، سال هفتم، شماره 24.


• ورسه‌ای، محسن ؛ شمس، ناصر (1389)، «ارائه یک روش حل ابتکاری به منظور بهینه سازی حل مساله سبد ردیاب شاخص و پیاده سازی آن برای اولین بار در بازار سهام تهران»، هشتمین کنفرانس بین المللی مدیریت.

 

• Beasley, J. E., Meade, N., Chang, T. J. (2003), “An evolutionary heuristic for the index tracking problem” European Journal of Operational Research,148(3), 621-643.


• Canakgoz, N. A. & Beasley, J. E. (2009), “Mixed-integer programming approaches for index tracking and enhanced indexation”. European Journal of Operational Research, 196(1), 384-399.


• Fabozzi, F. J., Markowitz, H. M. (2002), “The Legacy of Modern Portfolio Theory”, The Journal of Investing, 11(3) ,7-22.


• Filippi, C., Guastaroba, G., Speranza, M.G. (2016), “A heuristic framework for the bi-objective enhanced index tracking problem”, Omega.


• Li, Q., Sun, L., Bao, L. (2011). “Enhanced index tracking based on multi-objective immune algorithm”. Expert Systems with Applications, 38 (2011) 6101–6106.


• Montfort, K., Visser, E., Fijn Van Drat, L. (2008), “Index Tracking by Means of Optimized Sampling”, The Journal of Portfolio Management, 34(2), pp143-151.


• Samuelson,P.A. (1974), “challenge to judgment”, The Journal of Portfolio Management, 1(1), pp 17-19.


• Sharpe, W. F. (1991), “The Arithmetic of Active Management”, Financial Analyst Journal, 47 (1), 7-9.


• Strub, O., Baumann, P. (2018), “Optimal construction and rebalancing of index-tracking portfolios”, European Journal of Operational Research, 264, 370-387.


• Tabata, Y., Takeda, E., (1995), “Bicriteria optimization problem of designing an index fund”. Journal of the Operational Research, Society,Vol. 46, No.8, pp.1023-1032.

 

Beasley, J. E., Meade, N., Chang, T. J. (2003), “An evolutionary heuristic for the index tracking problem” European Journal of Operational Research,148(3), 621-643.

Canakgoz, N. A. & Beasley, J. E. (2009), “Mixed-integer programming approaches for index tracking and enhanced indexation”. European Journal of Operational Research, 196(1), 384-399.

Fabozzi, F. J., Markowitz, H. M. (2002), “The Legacy of Modern Portfolio Theory”, The Journal of Investing, 11(3) ,7-22.

Filippi, C., Guastaroba, G., Speranza, M.G. (2016), “A heuristic framework for the bi-objective enhanced index tracking problem”, Omega.

Hanifi, Farhad; Bahrul Uloom, Mohammad Mahdi; Javadi, Babak (2008), "Design and comparative analysis of choosing the optimal stock market index tracking portfolio based on genetic algorithm and its combined approach with quadratic programming", Master's Thesis, MBA, Malek Ashtar University of Technology.

Hijazi, Rizwan 2019; "Improved Index Fund Formation Using Genetic Algorithm", Stock Exchange Quarterly, No. 14, 157-135.

Jones.Charles.P.; "Investment Management", Negah Danesh Publication, Tehran, first edition.

Li, Q., Sun, L., Bao, L. (2011). “Enhanced index tracking based on multi-objective immune algorithm”. Expert Systems with Applications, 38 (2011) 6101–6106.

Montfort, K., Visser, E., Fijn Van Drat, L. (2008), “Index Tracking by Means of Optimized Sampling”, The Journal of Portfolio Management, 34(2), pp143-151.

Nabizadeh, Ahmed; Qarabaghi, Hadi; Behzadi, Adel (2016), "Optimization of Index Tracking Portfolio Based on Adverse Beta Based on Evolutionary Algorithms", Financial Research, Volume 19, Number 2, Summer 2016, pp. 319-340.

Najafi, Amir Abbas; Fazli Sabzevar, Ehsan (2013), "A dual-objective model of index tracker portfolio review considering transaction costs and solving it with meta-heuristic algorithms", Scientific research quarterly of financial knowledge of securities analysis, 7th year, number 24.

Samuelson,P.A. (1974), “challenge to judgment”, The Journal of Portfolio Management, 1(1), pp 17-19.

Sharpe, W. F. (1991), “The Arithmetic of Active Management”, Financial Analyst Journal, 47 (1), 7-9.

Strub, O., Baumann, P. (2018), “Optimal construction and rebalancing of index-tracking portfolios”, European Journal of Operational Research, 264, 370-387.

Tabata, Y., Takeda, E., (1995), “Bicriteria optimization problem of designing an index fund”. Journal of the Operational Research, Society,Vol. 46, No.8, pp.1023-1032.

Versaei, Mohsen; Shams, Nasser (2009), "Presenting an innovative solution method to optimize the solution of index tracker basket problem and implementing it for the first time in Tehran stock market", 8th international management conference.