multi-objective optimization
در نشریات گروه مالی-
As we are looking for knowledge of stock future returns in portfolio optimization, we are practically faced with two principal concepts: Uncertainty and Information about variables. This paper attempts to introduce a pragmatic bi-objective investment model based on uncertainty, instead of probability space and information theory, instead of variance and other moments as a risk measure for portfolio optimization. Not only is uncertainty space expected to be more in line with investment theory, but also, applying and learning this approach seems more straightforward and practical for novice investors. The proposed model simultaneously maximizes the uncertain mean of stock returns and minimizes uncertain entropy as a measure of portfolio risk. The uncertain zigzag distribution has been used for variables to avoid the complexity of fitting distributions for data. This uncertain mean-entropy portfolio optimization (UMEPO) has been solved by three meta-heuristic methods of multi-objective optimization: NSGA-II, MOPS, and MOICA. Finally, it was observed that the optimal portfolio obtained from the proposed model has a higher return and a lower entropy as a risk measure compared to the same model in the probability space.
Keywords: Uncertainty theory, Uncertain Entropy, Information Theory, Multi-Objective Optimization, Uncertain Mean-Entropy Portfolio Optimization (UMEPO) -
استراتژی معاملات جفتی یکی از قدیمی ترین و رایج ترین استراتژی های آربیتراژ آماری محسوب می شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسیله در نظر نمی گیرد. مسیله اصلی پژوهش حاضر ارایه روشی است که ترکیب های جفتی چند متغیره را با در نظر گرفتن اهداف متناقض چندگانه و تمرکز بر رویکرد هم انباشتگی ایجاد کند. لذا ترکیبی از سهام در دو هدف متضاد ریسک (بازگشت به میانگین) و بازده (واریانس اسپرد) بهینه می شوند تا مجموعه ای از فرصت های معاملات جفتی چند متغیره سودآور را تشکیل دهند. جامعه آماری، شرکت های پذیرفته شده در بورس اوراق بهادار تهران هستند. نمونه آماری به واسطه نیاز به معاملات پربسامد از 50 شرکت برتر محدود شده است. مسیله در قالب یک مدل برنامه ریزی عدد صحیح مختلط (MIP) تدوین، و به دلیل محدودیت های غیرمحدب و فضای حل نمایی از الگوریتم ژنتیک چندهدفه برای به دست آوردن ترکیب های جفتی استفاده شده است. برای دستیابی به اهداف چندگانه، از نوع توسعه یافته الگوریتم ژنتیک؛ الگوریتم ژنتیک مرتب سازی نامغلوب آشوبناک (CNSGA-II) استفاده گردید. برای به دست آوردن راه حل های مناسب و با دقت بالا، از تیوری آشوب در ایجاد جمعیت اولیه الگوریتم ژنتیک استفاده شده است. تحقیقات نشان داده که استفاده از نظریه آشوب می تواند میزان همگرایی را در الگوریتم های تکاملی افزایش دهد. نتایج آزمایش های این پژوهش نشان می دهد که استراتژی های معاملات جفتی چند هدفه با تمرکز بر رویکرد هم انباشتگی نسبت به مدل تک هدفه سنتی از برتری معناداری برخوردار است.
کلید واژگان: بهینه سازی چند هدفه، معاملات جفتی، الگوریتم ژنتیک، رویکرد هم انباشتگیPair trading strategy is one of the oldest and most common statistical arbitrage strategies. Pair formation is an important step in pair trading that examined manually and this method fails in the multivariate mode and does not consider conflicting goals in the problem structure. The main problem in this study is to present a method that creates multivariate pair combinations with multiple contradictory goals and focusing on the integration approach. Therefore, a combination of stocks optimized for two opposite objectives risk (mean-reversion) and return (spread variance) to form a set of profitable multivariate pair trading opportunities. The statistical population is companies listed on the Tehran Stock Exchange. The statistical sample limited by the need for high-frequency transactions from the top 50 companies. The problem developed in the form of a mixed integer-programming model (MIP), and due to non-convex constraints and exponential space, a multi-objective genetic algorithm used to obtain pair combinations. To achieve multiple goals, an advanced type of genetic algorithm; The Chaotic Non-dominated Sorting Genetic Algorithm (CNSGA-II) was used. The Chaos theory used to create the initial population of the genetic algorithm in order to obtain appropriate and high-precision solutions. Research has shown that the use of chaos theory can increase the degree of convergence in evolutionary algorithms. The results of the experiments of this study show that multi-objective pair trading strategies focusing on the integration approach have a significant advantage over the traditional single-objective model.
Keywords: Multi-objective optimization, Pair trading, Genetic algorithm, Cointegration Approach -
نشریه بورس اوراق بهادار، پیاپی 59 (پاییز 1401)، صص 441 -470
تیوری نوین بهینه سازی سبد سهام مبتنی بر مدل بنیادین مارکویتز توسعه یافته است. مدل مارکویتز از لحاظ تیوری ویژگی های منحصر به فردی دارد، اما ضعف های آن مانع استفاده از این مدل در عمل می گردد. در این مدل عموما نرخ بازده بر اساس داده های گذشته استخراج می شود، لیکن دراین پژوهش از سناریوهای آتی مربوط به نرخ بازده، در فرآیند سرمایه گذاری استفاده شده است. مدل مارکویتز و تعمیم های بعدی آن چند هدفه هستند. در این پژوهش از توسعه ی رویکرد بهینه سازی چند هدفه زیمرمن که ساختاری فازی مانند دارد، استفاده شده است، همچنین جهت مواجهه با عدم قطعیت ها از رویکرد بهینه سازی استوار مبتنی بر حداقل رساندن تاسف استفاده شده است. به عبارتی دیگر ابتدا مدل زیمرمن را با در نظر گرفتن سناریوها و ترکیب های وزنی ویژه، برای دو هدف حداقل کردن ریسک و حداکثر کردن بازده، تشریح نموده و مرز پارتو را به دست آورده، سپس راه حل تاسف مینی ماکس را با توجه به سناریوها و ترکیب های وزنی لحاظ شده، محاسبه شده است. در نهایت، به منظور ارزیابی عملکرد و اعتبارسنجی مدل ارایه شده، اقدام به پیاده سازی آن در بورس اوراق بهادار تهران شده است.
کلید واژگان: سبد سهام، بهینه سازی چند هدفه، رویکرد فازی زیمرمن، تاسف مینی ماکس، استواریThe novel theory of the portfolio optimization has developed based on the fundamental Markowitz model. The Markowitz model is unique in terms of theory, but its weaknesses prevent the use of this model in practice. In this model, the return rate is extracted based on past data, but in this research, future scenarios related to return rates has been used in the investment process. The Markowitz model and its subsequent generalizations are multi-objective. In this study, from the development approach of Zimmermann's multi-objective optimization approach, that has fuzzy like structure, has been used. Also, for confront with the uncertainties from a robust optimization approach based on minimization of regret, has been used. In other words, first describe Zimmermann's model by considering the scenarios and specific weighting combinations, for the two purposes of minimizing risk and maximizing return, and then the minimax regret solution has been calculated with respect to the considered scenarios and weighted combinations. In the end of this paper, in order to evaluate the performance and validation of the proposed model, it has been implemented in Tehran Stock Exchange.
Keywords: portfolio, Multi-Objective optimization, Zimmermann fuzzy approach, Minimax regret, robustness -
هدف
سرمایه گذاران و نهادهای مالی، تمایل دارند که در انتخاب سرمایه گذاری، از آینده و همچنین، نحوه عملکرد خود اطمینان نسبی داشته باشند؛ به نحوی که در موقعیت های عدم قطعیت (رونق و رکود بازارها) عملکردهای مناسبی انجام دهند. این پژوهش به دنبال یافتن سبد سهام بهینه استواری است که در شرایط مختلف بازار، بهترین عملکرد را داشته باشد و پشیمانی سرمایه گذار از انتخاب سبد سهام را به حداقل رساند.
روشبه منظور به دست آوردن سبد سهام بهینه، از سناریوبندی وضعیت های مختلف بازار، بر اساس بازده روزانه شاخص کل بورس اوراق بهادار تهران و به کارگیری الگوریتم بهینه سازی توده ذرات و ملاک حداقل حداکثر پشیمانی استفاده شده است. همچنین در این پژوهش، توابع هدف چندمتغیره و امگا ارزش در معرض ریسک شرطی، به عنوان توابع برازش در بهینه سازی توده ذرات به کار گرفته شده است. از داده های 50 شرکت بورسی، طی سال های 1388 تا 1395، برای محاسبه سبد های سهام بهینه و داده های سال 1396 به عنوان خارج از نمونه، برای آزمون سبد های سهام به دست آمده استفاده شده است.
یافته هانتایج به دست آمده نشان می دهد که در بازه ماهانه، سبد های سهام بهینه استوار در مقایسه با سبد سهام معیار، نسبت اطلاعاتی بیشتر و خطای ردیابی کمتری دارند.
نتیجه گیریسناریوبندی بازار و به کارگیری ملاک حداقل حداکثر پشیمانی، عملکرد سبد های سهام بهینه استوار را بهبود می دهد. همچنین، نتیجه مقایسه مدل معیار میانگین نیم واریانس با تابع چندمتغیره و ضریب امگا ارزش در معرض ریسک شرطی برای بهینه سازی سبد سهام، نشان داد که تابع چندمتغیره و ضریب امگا ارزش در معرض ریسک شرطی به بهبود بیشتری در عملکرد سبد های سهام استوار منجر می شود.
کلید واژگان: سبد سهام استوار، حداقل حداکثر پشیمانی، بهینه سازی چندمتغیره، نسبت امگا، ارزش در معرض ریسک شرطیObjectiveTo produce a proper reaction when confronted with market uncertainties (booms and busts), before making any investment decisions, investors and financial institutions tend to obtain some level of assurance about the market’s future and also the market’s probable feedback on their performance in the future. This study seeks to identify optimized robust portfolios with the best performance in the face of market uncertainties than can minimize the investors’ regret about their portfolio selection.
MethodsTo create optimal portfolios, in the study, scenarios pertaining to various market situations based on daily returns of the Tehran Stock Exchange Price Index (TEDPIX) were designed, and the particle swarm optimization algorithm and minimax regret criterion were applied. This study also explored the application of multivariate objective functions and the Omega Conditional Value at Risk ratio as the fitting functions in particle mass optimization. To calculate optimal portfolios, the data from 50 companies on Tehran Stock Exchange (TSE) from 2009 to 2016 were analyzed. Also, the data from the year 2017 were evaluated as out of sample data.
ResultsResearch findings indicated optimized robust portfolios in monthly periods had higher information ratios and lower tracking errors than the benchmark portfolios.
ConclusionMaking market scenarios and applying the minimax regret criterion improves the performance of optimized robust portfolios. Additionally, compared with the semi-variance benchmark model, applying the multi-objective function and Omega-Conditional Value at Risk ratio in portfolio optimization leads to improve performance of the robust portfolios.
Keywords: Robust Portfolio, Minimax Regret, Multi-objective optimization, Omega Ratio, Conditional Value at Risk -
بانک ها برای حفظ تعادل گردش پول بین اعتباردهندگان و دریافت کنندگان وام باید از یک اکوسیستم مالی مناسب استفاده کنند. هنگامی که این جریان توسط NPL (مطالبات غیرجاری) کند و یا مختل شود، در روند حیات بانک ها و اجرای سیاست های اقتصادی کشور آسیب جدی ایجاد می کند. مدیریت ضعیف و انعطاف پذیری در پرداخت و بازپرداخت تسهیلات عامل و محرک NPL ها است. هدف از پژوهش حاضر ارایه مدلی برای بهینه سازی پرتفوی تسهیلات بانکی در شرایط عدم قطعیت است، از یک مدل استوار سناریو محور بر اساس رویکرد مالوی و همکاران (1995) که جهت عدم قطعیت از عوامل اقتصادی مانند ریسک سیستماتیک، نرخ ارز، تورم استفاده شده است. این مدل دارای سه تابع هدف بوده تابع هدف اول افزایش بازده بانک ها از طریق افزایش تسهیلات جاری، تابع هدف دوم کاهش ریسک اعتباری و تابع هدف سوم کاهش ریسک ورشکستگی براساس نسبت های مالی آلتمن می باشد که داده ها با استفاده از نرم افزار GAMS مورد تجریه و تحلیل قرار گرفته است. با استفاده از این مدل مدیران بانک ها براساس وضعیت و استحکام هریک از انواع تسهیلات در شرایط عادی و عدم قطعیت می توانند تصمیم گیری صحیحی جهت پرداخت میزان مشخصی از هر نوع تسهیلات با توجه به مرز بهینه داشته باشد که سبب کاهش ریسک اعتباری و ورشکستگی بانک ها می گردد. همچنین نتایج نشان دهنده این است که به ترتیب ریسک سیستماتیک، نرخ تورم و نرخ ارز دارای بیشترین تاثیر بر کاهش کیفیت تسهیلات می باشند.کلید واژگان: تسهیلات بانک، بهینه سازی چند هدفه، شرایط عدم قطعیت، تسهیلات غیرجاری، مطالبات معوقIn order to maintain the balance of cash flow between lenders and borrowers, banks have to use a financially appropriate ecosystem. When such a flow is rebated and or disrupted by non-performing loans (NPLs), life trends of banks and implementation of national economic policies are damaged seriously. Mis management and flexibility in lending and repaying off a loans are considered a drive force of NPLs.The aim of present research is to present a model for the optimization of bank loans portfolio under conditions of uncertainty, which is based on the robust scenario-based approach developed by Mulvey et al. uncertainty criteria set in this study include such economic factors as exchange rates, inflation, and systematic risks. This model has three objective functions: (1) increasing the returns of banks by increasing current loan, (2) decreasing the credit risk, and (3) mitigating the risk of bankruptcy based on Altman Financial Ratios, which are analyzed by using GAMS software. Using this model, bank managers based on the status and strength of each type of loan under normal circumstances and uncertainty can make the right decision to pay a certain amount of each type of loan according to the optimal limit, which reduces the credit risk and bankruptcy of the bank. The results also show that respectively systematic risk, inflation rate and exchange rate have the greatest impact on loan quality reduction.Keywords: Bank loans, Multi-Objective Optimization, Uncertainty Conditions, Non-current loans, Overdue receivables
-
در این تحقیق به ارایه مدلی با توجه به ماهیت داده های ورودی مسئله و همچنین ماهیت تصادفی رخدادهای آتی سهم ها پرداخته شده است. به منظور پویاسازی سبد سهام، مدل برنامه ریزی استفاده شده است که در آن هر یک از زمان های تصمیم گیری به عنوان یک مرحله در مدل برنامه ریزی تصادفی در نظر گرفته شده است. به دلیل وابستگی جواب های حاصل از مدل برنامه ریزی تصادفی با بازخورد به روش تولید سناریو، به ارایه روش مناسب تولید سناریو با توجه به ماهیت ورودی داده های مسئله پرداخته شده است. در نهایت اعتبار مدل ارایه شده پس از حل با نرم افزار گمز ارزیابی شده است. همان طور که نشان داده شده است استفاده از برنامه ریزی تصادفی با بازخورد و ترکیب آن با روش تولید سناریوی معرفی شده، این امکان را به سرمایه گذاران می دهد که بتوانند برنامه ریزی های کوتاه مدت و بلندمدت برای خریدها و فروش های خود در بازارهای مالی را داشته و نتایج مدل تا حد خوبی نشان دهنده کارایی مدل حاضر در بازارهای مالی است.کلید واژگان: انتخاب سبدسهام، برنامه ریزی تصادفی چندمرحله ای، بهینه سازی چندهدفهIn this paper, a multi objective multi stage stochastic model is proposed to portfolio selection. This model takes into account both the investment goal and risk control at each stage. A scenario generation method is proposed that acts as the basis of the portfolio management model. Scenarios for multistage portfolio management are proposed that use by consumption that rate of returns are not correlated during stages. One of the most important aspects of this model is using transaction cost in model and providing this ability that investors could add or withdrawal cash during time. In the end some numerical example are illustrated and model effectiveness proved. As is presented using stochastic programming with recourse and combination of this model with scenario generation model provides this possibility for investors to plan their medium and short term investing. As can be seen result of the model proved effectiveness of the model in financial markets. As result presented having such tool that investor could adjust his or her portfolio during time according to targets such as maximizing rate of return and minimizing risk of his or her decisions could bring powerful superiority in competitive financial markets.Keywords: Portfolio Selection, Multi-stochastic programming, Multi-Objective Optimization
-
در این تحقیق مدیریت اثربخش دارایی ها با مشخصه کنترل ریسک، کاهش هزینه و دستیابی به بازدهی فراتر از متوسط بازار مورد مطالعه قرار گرفته است. بدین منظور تخصیص بهینه دارایی ها به دو بخش هسته و پیرو با لحاظ نمودن درجه ریسک گریزی سرمایه گذار مد نظر قرار گرفت. بخش هسته در پورتفوی مورد نظر متناظر با یک صندوق شاخصی است که از طریق بکارگیری یک الگوریتم ابتکاری ژنتیک پایه انتخاب و دستیابی به عملکردی مشابه شاخص را به لحاظ ریسک و بازدهی تضمین می نماید. بخش پیرو متشکل از واحدهای صندوق های سرمایه گذاری منتخب است که بصورت فعال مدیریت شده و هدف کسب بازدهی فراتر از شاخص را دنبال می نماید.
به منظور شبیه سازی بخشی از داده های مورد نیاز از مدل EGARCH و جهت مدل سازی مساله هسته – پیرو از یک تابع چند هدفه بصورت بیشینه سازی بازدهی مازاد پورتفوی و حداقل نمودن واریانس آن نسبت به شاخص کل استفاده گردید. نتایج حاصل از تجزیه و تحلیل داده ها بر رابطه مستقیم میان درجه ریسک گریزی و وزن تخصیص یافته به بخش هسته دلالت دارد. همچنین محاسبات انجام شده دستیابی به بازدهی فراتر از شاخص و توانایی ردیابی مناسب پورتفوی تشکیل شده را مبتنی بر معیارهایی چون همبستگی و ریشه دوم میانگین مربعات خطا با بهره گیری از داده های خارج از نمونه به اثبات رساند.کلید واژگان: سرمایه گذاری هسته، پیرو، بهینه سازی چند هدفه، الگوریتم ژنتیک، ردیابی شاخصIn this study, the effective method of asset allocation characterized by risk control, cost reduction and out-performance with respect to the market benchmark has been investigated. In this regard, the optimal asset allocation in the core and satellite portfolio including the degree of risk aversion were studied. The core component of the portfolio represents an index fund selected by the use of a heuristic genetic based algorithm, which assures the level of risk-return realization comparable to the market index. The satellite component is consisted of selected mutual fund investment units and is managed actively in order to beat the market index.
An EGARCH model was used in order to simulate the required data, and a multi goal objective function as maximizing the excess return and minimizing the variance relative to the index was implemented for the modeling of the core-satellite problem.
The results of the analysis implies on the direct relationship between the degree of risk aversion and the weight allocated to the core component. The calculations also indicate the out-performance of the constructed portfolio relative to the market index and its good tracking ability based on criteria such as correlation and root mean squared error using out of sample data.Keywords: Core, Satellite investing, Multi objective optimization, genetic algorithm, Index tracking
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.