گزینش پرتفوی بهینه سهام شرکت های صنایع غذایی در بورس اوراق بهادار تهران با استفاده از روش پیش بینی ترکیبی: کاربرد الگوی میانگین- واریانس- چولگی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 استادیار اقتصاد کشاورزی دانشگاه علوم کشاورزی و منابع طبیعی ساری

3 استادیار دانشکده اقتصاد،دانشگاه علامه طباطبائی،تهران ،ایران

چکیده

هدف از انجام تحقیق حاضر، ارائه روشی برای گزینش پرتفوی بهینه سهام شرکت های صنایع غذایی در بورس اوراق بهادار تهران با استفاده از الگوی میانگین- واریانس- چولگی با شش تابع هدف می باشد. جامعه آماری این مطالعه شامل 14 شرکت از گروه محصولات غذایی و آشامیدنی بجز قند و شکر و داده های مورد نیاز نیز شامل قیمت های روزانه سهام این شرکت ها منتهی به بهمن سال 1394 می باشد. برای این منظور ابتدا از سه روش مختلف پیش بینی برای تخمین قیمت سهام شرکت های صنایع غذایی استفاده شده و با توجه به خطای پیش بینی، به هر روش وزنی متناسب با قدرت تخمین آن داده شده است. برای اطمینان از بهینه بودن اوزان بدست آمده، قیمت های بدست آمده از روش ترکیبی با قیمت های بدست آمده از هر یک روش های پیش بینی بوسیله ی معیارهای سنجش خطا مورد مقایسه قرار گرفته اند. نتایج حاکی از برتری روش ترکیبی در پیش بینی قیمت ها با رتبه ی 71/1 می باشد. در ادامه بر اساس اوزان بدست آمده شش معیار میانگین، واریانس و چولگی مرتبط با بازده و خطای پیش بینی ترکیبی بدست آمده است. الگوی میانگین- واریانس- چولگی ساخته شده بوسیله برنامه ریزی آرمانی حل شده است. در انتها پرتفوی بدست آمده از الگوی میانگین- واریانس- چولگی با پرتفوی بدست آمده از الگوی میانگین- واریانس مقایسه شده است. نتایج نشان دهنده کارایی بالای الگوی میانگین- واریانس- چولگی در ایجاد یک سبد سهام بهینه با بازده بالایی نسبت به الگوی میانگین- واریانس می باشد. به طوری که میانگین بازدهی روزانه در طول یک ماه برای الگوی میانگین- واریانس- چولگی 52/0 درصد و برای الگوی میانگین- واریانس 32/0 درصد می باشد.

کلیدواژه‌ها

موضوعات


باریکانی، س­.ح. ایران‌نژاد، ب. (1392) بررسی جایگاه بخش کشاورزی در اقتصاد ایران: نگاهی دوباره به نظریه‌ی محوریت بخش کشاورزی. اقتصاد کشاورزی و توسعه. سال بیست و یکم، (81): 153-177.
رادفر، ر. خلیلی، ا. (1393) تحلیلی از تحولات صنایع غذایی در ایران و سایر کشورها، موسسه پژوهش‌های برنامه‌ریزی، اقتصاد کشاورزی و توسعه روستایی.
پورزمانی، ز. محمدی، م­.ر. (1391) مقایسه راهبردهای خرید و فروش سهام جهت محاسبه بازده سهام در سرمایه­گذاری­های کوتاه­مدت و بلندمدت. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار. (14): 1-11.
ترکمانی. ج. ذوقی­پور، آ. (1387) عوامل موثر بر عرضه­ی صادرات فرآورده­های صنایع غذایی ایران. اقتصاد و کشاورزی. جلد2، (1): 23-33.
خدامرادی، س. ترابی گودرزی، م. راعی عزآبادی، م.­ا. (1392) رویکرد دو مرحله ای ریاضی در بهینه سازی سبد سهام. فصلنامه مهندسی مالی و مدیریت اوراق بهادار. دوره 4، (14): 136-167.
رمضان­زاده، س.­م. (1389) انتخاب پرتفوی بهینه به روش میانگین- واریانس و ارزش در معرض ریسک. پایان­نامه کارشناسی ارشد، دانشگاه الزهرا (س). 81ص.
روحی، ع. ریاضی، م. (1387) ارزیابی عملکرد سبد اوراق بهادار-مدل علمی میانگین-واریانس-چولگی در مقایسه با مدل علمی میانگین-واریانس. فصلنامه پژوهش های حسابداری مالی و حسابرسی. (2): 103-116.
شایگان، م­.ا. محمدی، ح. موسوی، س.­ن. (1386) پیش‌بینی میزان واردات برنج وذرت با استفاده از روش شبکه عصبی مصنوعی. فصلنامه پژوهش وسیاستهای اقتصادی. (44): 83-100.
صباغیان­طوسی، ا. مسعودی­مقدم، م. (1391) مدل میانگین- واریانس- چولگی برای انتخاب سبد سهام به وسیله­ی منطق فازی. اولین همایش بین­المللی اقتصاد سنجی روش­ها و کاربردها، دانشگاه آزاد اسلامی واحد سنندج، 1-25.
غضنفری، ف. (1377) بهینه­سازی فرآیند اقتصادی در صنایع غذایی. مجموعه مقالات همایش صنایع غذایی، نقش و اهمیت طراحی و مهندسی در صنایع غذایی، دانشگاه فردوسی مشهد.
فنایی، س­.م. (1388) دانستنی‌های بورس و بازار سرمایه: تاریخچه و علل بوجود آمدن بورس اوراق بهادار. ماهنامه بورس. (86): 74-79.
Ashrafzadeh, S., Moradzadehfard, M., Ohadi, F. (2016). Fuzzy optimal portfolio selection based on multi-objective Mean-Variance-Skewness model by using NSGA-II algorithm. Bulletin de la Société Royale des Sciences de Liège. (85): 1090-1101.
Bates, JM.., Granger, CWJ. (1969) The combination of forecasts. Operational Research Quarterly. 20:451–68.
Bhattacharyya, R., Hossain, S, A., Kar, S. (2014). Fuzzy cross-entropy, mean, variance, skewness models. Journal of King Saud University – Computer and Information Sciences.26(1)79-87.
Box, G.E.P., Jenkins, G.M. (1978) Time Series Analysis: Forecasting and Control: 3rd ed. San Francisco, Holden Day. 784p.
Ehrgott, M., Klamroth, K., Schwehm C. (2004) An MCDM approach to portfolio optimization. European Journal of Operational Research. 155: 752-770.
Hull, J. (2000) Options, futures, and other derivatives: seventh edition. Prentice Hall. New York .814p.
Karayiannis, N.B., Venetsanopoulos, A.N. (1993) Artifical Neural Network: Learning Algorithms, Performance Evaluation and Application. KluwerAcademic Publisher, Boston. 440 p.
Keshtkar, R., Hosseini, S.A., Mohammadi H. (2012) Comparison of the main price forecasting methods in Iran commodity exchange. African Journal of Business Management. 6: 3120-3125.
Konno, H., Suzuki, K. (1995) A mean–variance–skewness optimization model. Journal  of the Operations Research of Japan. 38:137–87.
Lai, T. (1991) Portfolio selection with skewness: a multiple-objective approach. Review of Quantitative Finance and Accounting. 1:293–305.
Makridakis, S., Winkler, RL. (1983) Averages of forecasts. Management Sciences. 29:987–96.
Markowitz, H. (1952) Portfolio selection. Journal of Finance 7:77–91.
Newbold, P., Granger, CW. (1974) Experience with forecasting univariate time series and the combination of forecasts. Journal of Royal Statistical Society. 137:231–46.
Pierdzioch, C., Christoph, J. (2012) Forecasting stock prices: Do forecasters herd? Economics Letters. 116(3): 326-329.
Saranya, K., Krishna Prasanna, P. (2014) Portfolio Selection and Optimization with Higher Moments: Evidence from the Indian Stock Market. Asia-Pacific Financial Markets.21(2): 133-149.
Stock, J.,  Mark, W. (2004) Combination Forecasts of Output Growth in a Seven-Country Data Set. Journal of Forecasting. 23: 405-430.
Ustan, O., Kasimbeyli, R. (2012) Combined forecosts portfolio in optimization: A generalized approach. Computers & Operation Research. 39: 805-819.
Wong, Bok., Bodnovich Thomas, A., Selvi, Y. (1977) NeuralNetwork Applications in Business: A review and analysis of the literature (1988-1995). Decision support systems 320-230.
Yu, L., Wang, S., Lai, KK. (2008) Neural network-based mean–variance–skewness model for portfolio selection. Computers & Operations Research. 35(1):34–46.