ارزیابی کارایی سبد سهام محدود شده عددی با استفاده از تحلیل پوششی داده های بخشی در بازار سرمایه ایران
فصلنامه بورس اوراق بهادار

فصلنامه بورس اوراق بهادار

ارزیابی کارایی سبد سهام محدود شده عددی با استفاده از تحلیل پوششی داده های بخشی در بازار سرمایه ایران

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه مدیریت مالی، واحد اسفراین، دانشگاه آزاد اسلامی، اسفراین، ایران
2 کارشناسی ارشد مهندسی صنایع گرایش سیستم‌های مالی، موسسه آموزش عالی اسرار، مشهد، ایران
چکیده
هدف از این پژوهش، تعیین مرز کارا و ارزیابی عملکرد سبد سهام در مسائل با محدودیت عددی در شرکت‌های پذیرفته شده در بازار سرمایه ایران (بورس اوراق بهادار تهران و فرابورس ایران) در سال 1398، با استفاده از روش تحلیل پوششی داده‌ها می-باشد. مرز کارا، در این مسائل، گسسته و نامقعر است و امکان استفاده از مدل تحلیل پوششی داده‌ها وجود ندارد. لذا مرز کارا به چند مرز پیوسته دسته‌بندی شده و از مدل "تحلیل پوششی داده‌های بخشی" استفاده می‌شود. به این منظور ابتدا نقاط ابتدا و انتهای هر مرز پیوسته با عنوان "نقاط بخشی داده" بر اساس الگوریتم ارائه شده تعیین می‌گردد و سپس مدل تحلیل پوششی داده‌ها برای هر بازه پیوسته، استفاده می‌شود. با توجه به عدم وجود روش محاسباتی دقیق در تعیین مرز کارا با محدودیت‌های عددی، در انتخاب تعداد مشخص سهام از 188 سهام (به عنوان مثال انتخاب 5 سهام) الگوریتم ازدحام ذرات ضعیف بوده و روش تحلیل پوششی داده‌های بخشی، عملکرد مناسبی دارد. با تعیین مرز کارا، کارایی و عملکرد سبد سهام در طول سال 1398، محاسبه شد. نقطه متناظر هر سبد دلخواه (با مختصات بازده و ریسک) در نمودار مشخص و بر اساس فاصله آن نقطه تا مرز کارا، کارایی سبد مشخص می-شود.
کلیدواژه‌ها

عنوان مقاله English

Estimation of cardinality constrained portfolio efficiency via segmented DEA in Iran Capital Market

نویسندگان English

meysam doaei 1
mahdi eslahi 2
1 Finance department, Islamic azad university, esfarayen branch
2 asrar university
چکیده English

The purpose of this study is to determine the efficiency limit and evaluate the performance of the stock portfolio in issues with numerical limitations in the Tehran Stock Exchange and IRAN Farabors in year 1398, using data envelopment analysis method. The efficient frontier in the issue of stock portfolio with numerical constraints is discrete and asymmetric. It is not possible to use the data envelopment analysis model. In this study, the efficient boundary is categorized into several continuous boundaries and the "data envelopment analysis" model is used. For this purpose, first the beginning and end points of each continuous boundary are determined as "data segment points" based on the proposed algorithm, and then the data envelopment analysis model is used for each continuous interval. 188 stock exchange and OTC symbols listed in Tehran Stock Exchange and IRAN Farabors were examined in 1398, and with the limitation of selecting 5 to 10 stocks from 188 stocks based on different weights (total stock weight equal to 1), the efficient limit of the stock portfolio was determined. Due to the lack of fast and accurate computational methods in determining the efficiency limit of stock portfolio with numerical constraints, data envelopment analysis method to determine the efficiency limit and evaluate stock portfolio performance of particle swarm algorithm, genetic algorithm and imperialist competition algorithm And the efficient border can be drawn and used.

کلیدواژه‌ها English

Data envelopment analysis
Performance evaluation
Cardinality constrained portfolio selection
  1. ابوالفتحی (1395). کشف پرتفوی سهام با استفاده از محدودیت کاردینال، پژوهشنامه اقتصاد و کسب و کار، س 7، شماره  13 ، ص 1 – 12.

    اسلامی بیدگلی، غلامرضا؛ وافی ثانی، جلال؛ عیزاده، مجید؛ باجلان، سعید (1388). بهینه­سازی و بررسی اثر میزان تنوع بر عملکرد پرتفوی با استفاده از الگوریتم مورچگان، فصلنامه بورس اوراق بهادار، س 2، 5، ص 57 – 75.

    امیری، میثم؛ ابراهیمی، سرو علیا، محمد حسن؛ هاشمی، هما (1399). بررسی عملکرد الگوریتم GRASP در انتخاب پرتفوی بهینه (با لحاظ محدودیت کاردینالیتی)، فصلنامه اقتصاد مالی، س 14، ش 51، ص 147- 171.

    امینی، امیر؛ علی نژاد، علیرضا (1395). بهینه سازی سبد سهام چند هدفه با استفاده از رویکرد جدید بهینه­سازی کرم میوه، فصلنامه مدیریت صنعتی دانشکده علوم انسانی، دانشگاه آزاد اسلامی، س 11، ش 36، ص 60 – 76.

    تقوی فرد، محمد تقی؛ منصوری، طاها؛ خوش طینت، محسن (1386). ارائه یک الگوریتم فرا ابتکاری جهت انتخاب سبد سهام با در نظر گرفتن محدودیت های عدد صحیح، فصلنامه پژوهش­های اقتصادی، س 7، ش 4، ص 49 – 69.

    جمشیدی عینی، عصمت؛ خالوزاده، حمید (1395). بررسی روش­های هوشمند در حل مسئله سبد سهام مقید در بازار سهام تهران، فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، س 9، ش 29، ص 85 – 96.

    داودی، سید محمد رضا؛ صدری، ابوالفضل (1397). مقایسه الگوریتم های فراابتکاری در ارائه مدل بهینه سبد سهام چند دوره ای بر اساس معیار ارزش در معرض ریسک، فصلنامه بورس اوراق بهادار، س 11، ش 41، ص 121- 152

    دستخوان، حسین؛ میهمی، رضا (1392). به کارگیری الگوریتم ممتیک در حل مسئله انتخاب سبد بهینه سهام با محدودیت حداقل اندازه مبادله، دهمین کنفرانس بین المللی مهندسی صنایع.

    دعائی، میثم؛ صابرفرد، مهسا. (1400). رویکرد محدودیت شانس با امکان تصحیح نسبی در مساله انتخاب سبد سهام در بازار سرمایه ایران. مهندسی مالی و مدیریت اوراق بهادار, 12(46), 667-690.

    مصطفائی درمیان، سبحان؛ دعائی، میثم. (1400). ارائه رویکردی مبتنی بر بهینه‌سازی تصادفی به منظور حل مساله انتخاب سبد سهام در بازار سرمایه ایران با استفاده از الگوریتم‌های فراابتکاری. فصلنامه علمی نظریه های کاربردی اقتصاد, 8(4), 253-284. doi: 10.22034/ecoj.2022.47049.2913

    راعی، رضا؛ علی بیکی، هدایت (1389). بهینه­سازی سبد سهام سهام با استفاده از روش حرکت تجمعی ذرات، تحقیقات مالی، د 12، ش 29، ص 21 – 40.

    علی­نژاد (1393). بهینه سازی سبد سهام با استفاده از الگوریتم big bang – big crunch  ، فصلنامه پژوهشگر (مدیریت)، س 11، ش 35، ص 49 – 60.

    فلاح پور، سعید؛ آصفی، سپهر؛ فلاح تفتی، سیما؛ باقری کاظم آباد، محمد رضا (1397). بهینه سازی سبد سهام با استفاده از الگوریتم فرا ابتکاری نهنگ با معیار ریسک ریزش مورد انتظار، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، ش 37، ص 110-132.

    قدوسی، سعید (1394). بهینه سازی سبد سهام با استفاده از روش تبرید شبیه سازی شده، تحقیقات مالی، دوره 17، ش 1، ص 141- 158.

    مهرگان، محمدرضا. ( 1383 ). الگوهای کمی در ارزیابی عملکرد سازمان (تحلیل پوششی داده­ها)، انتشارات دانشکده مدیریت تهران، ص 33-87  (تحلیل پوششی داده ها)، تهران.

    Aboalfathi, H  (2016). A Discovery of Stock Portfolio through Using Cardinal Restrictions, Journal Of Economics and Business Research, 7(13), 1-12. (In Persian)

    Amini, A., & alinezhad, A. (2016). Multi-objective Portfolio Optimization Model by Fruit Fly Optimization Algorithm, 11(36), 59-76. (In Persian)

    Amiri, M (2020). . Financial Economics, 14(51), 147-172. (In Persian)

    1. Alinezhad, (2014). Portfolio Optimization by Using Big Bang-Big Crunch Algorithm, , 11(35), 49-60. magiran.com/p1439058. (In Persian)

    Branda M. (2013). Diversification-consistent data envelopment analysis with general deviation measures[J]. European Journal of Operational Research, 226(3): 626-635.

    Brandouy O, Kerstens K, Van de Woestyne I. (2015). Frontier-based vs. traditional mutual fund ratings: a first backtesting analysis[J]. European Journal of Operational Research, 242(1): 332-342.

    Briec W, Kerstens K, Lesourd J B (2004). Single-period Markowitz portfolio selection, performance gauging, and duality: a variation on the Luenberger shortage function[J]. Journal of Optimization Theory and Applications, 120(1): 1-27.

    Briec W, Kerstens K. (2009). Multi-horizon Markowitz portfolio performance appraisals: A general approach. Omega, 37(1): 50-62.

    Chang T J, Meade N, Beasley J E, et al. (2000). Heuristics for cardinality constrained portfolio optimization. Computers & Operations Research, 27(13): 1271-1302.

    davoodi, S., Sadri, A. (2018). Compare Meta-heuristic Algorithms on the Optimal Model of Multi Period Portfolio Based on the Value at Risk. Journal of Securities Exchange, 11(41), 121-152. doi: 10.22034/jse.2018.11125. (In Persian)

    Charnes, A. Cooper, W.W. and Rhodes, E. (1978). Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2, 429-444.

    Dastkhan, Hossein; Mihemi, Reza (2012). Application of memetic algorithm in solving the problem of choosing the optimal portfolio of stocks with the limitation of minimum exchange size, 10th International Conference on Industrial Engineering.

    Doaei, M., Davarpanah, S. H., & Sabzi, M. (2017). ANN-DEA Approach of Corporate Diversification and Efficiency in Bursa Malaysia. Advances in Mathematical Finance and Applications, 2(1), 9-20. doi: 10.22034/amfa.2017.529058.

    Doaei, M., & saberfard, M. (2021). A chance-constrained recourse approach for the portfolio selection problem in the Iran capital market. Financial Engineering and Portfolio Management, 12(46), 667-690. (In Persian)

    Doaei, M., Mirzaei, S. A., & Rafigh, M. (2021). Hybrid multilayer perceptron neural network with grey wolf optimization for predicting stock market index. Advances in Mathematical Finance and Applications, 6(4), 883-894.

    Eslami Bidgoli, gh (2009). Portfolio Optimization and Examination of the Effect of Diversification on Its Performance through Using Ant Colony Algorithm. Journal of Securities Exchange, 2(5), 57-75. (In Persian)

    Eilat, H., Golony, B. and Shtub, A. (2006). Constricting and evaluating balanced portfolios with interaction: A DEA, based methodology. Journal of the Operational Research, Vol. 172, pp.1018- 1039.

    Fallahpour, S., asefi, S., fallahtafti, S., & Bagherikazemabad, M. (2018). Portfolio Optimization Using the Whale Algorithm with Expected Shortfall as the Measure of Risk. Financial Engineering and Portfolio Management, 9(37), 110-132. (In Persian)

    Farrell, M (1952). The measurement of productive Efficiency. Journal of the Royal Statistics Society.Serial A, Vol.120, No.3, PP.253-281.

    Glawischnig M, Sommersguter-Reichmann M. (2010). Assessing the performance of alternative investments using non-parametric efficiency measurement approaches: Is it convincing?[J]. Journal of Banking & Finance, 34(2): 295-303.

    Goetzman W N, Kumar A. (2008). Equity portfolio diversification*. Review of Finance, 12(3): 433- 463.

    Jamshidi Eyni, E., & Khaloozadeh, H. (2016). Using intelligent methods in Solving Constrained Portfolio in Tehran Stock Exchange. Financial Knowledge of Securities Analysis, 9(29), 85-96. (In Persian)

    Gubaydullina Z, Spiwoks M. (2009). Portfolio diversification: an experimental study. University of Goettingen, Department of Economics.

    Joro T, Na P. (2006). Portfolio performance evaluation in a mean–variance–skewness framework. European Journal of Operational Research, 175(1): 446-461.

    Kamili, H ; Raffi, M (2016). Portfolio optimization using the bat algorithm. International review on computer and software(IRECOS), 11(3), 277-283.

    Liu W, Zhou Z, Liu D, et al. (2015). Estimation of portfolio efficiency via DEA. Omega, 52: 107-118.

    Maringer, D. (2001). “Optimizing Portfolios with Ant Systems,” in International ICSC Congress on Computational Intelligence: Methods and Applications (CIMA 2001), pp. 288–294. ICSC.

    Markowitz H. (1952). Portfolio selection. The journal of finance, 7(1): 77-91.

    Mehrgan, Mohammadreza. (1383). Quantitative models in the evaluation of the organization's performance (data coverage analysis), Tehran School of Management Publications, pp. 87-33 (data coverage analysis), Tehran.

    Morey M R, Morey R C. (1999). Mutual fund performance appraisals: a multi-horizon perspective with endogenous benchmarking. Omega, 27(2): 241-258.

    Mostafayi Darmian, S., & Doaei, M. (2022). Optimization of Stock Portfolio Selection in Iran Capital Market Using Meta-heuristic Algorithms. Quarterly Journal of Applied Theories of Economics, 8(4), 253-284. doi: 10.22034/ecoj.2022.47049.2913. (In Persian)

    Raei, R., & Alibeiki, H. (2010). Portfolio optimization using particle swarm optimization method. Financial Research Journal, 12(29), 21-40. (In Persian)

    Pajares, J. & López, A. (2014). "New Methodological Approaches To Project Portfolio Management: The Role Of Interactions Within Projects And Portfolios". Procedia-Social And Behavioral Sciences, 119: 645-652.

    Qodsi, S., Tehrani, R., & Bashiri, M. (2015). Portfolio optimization with simulated annealing algorithm. Financial Research Journal, 17(1), 141-158. doi: 10.22059/jfr.2015.52036. (In Persian)

    Taqavi Fard M T, Mansouri T, Khosh Tinat M. (2008).  A Meta-heuristic Algorithm for Portfolio Selection Problem under Cardinality and Bounding Constraints, 7 (4):49-69. (In Persian)

    Xiao Helu, Tiantian Ren, Zhongbao Zhou, Wenbin Liu, (2020), Parameter uncertainty in the estimation of portfolio efficiency: Evidence from an interval diversification-consistent DEA approach, Omega.Alame Haeri, F., and Hosseini, M., (2012), “Evaluation and comparison of the performance of investment companies and mutual funds ", Journal of Financial Accounting, Fourth Year, Pages 175-197 (in Persian).

    Zhou Zhongbao, Qianying Jin, Helu Xiao, Qian Wu, Wenbin Liu, (2018), Estimation of cardinality constrained portfolio efficiency via segmented DEA, Omega, Volume 76.