بهینه‌سازی سبد سرمایه گذاری رمزارزی در شرایط عدم ‎اطمینان با بکارگیری روش تحلیل پوششی داده‌ها-برنامه ریزی استوار

Abstract

بهینه‌سازی سبد سرمایه‌گذاری از موضوعات حیاتی حوزه مدیریت سرمایه‌گذاری است. نوسانات مختلف بازارهای مالی و عدم‌قطعیت پارامترها، بکارگیری مدل‌های کلاسیک را با چالش جدی مواجه می‌کند. از این رو بهینه‌سازی مدل‌های مالی در شرایط عدم اطمینان جهت انطباق با دنیای واقعی مورد توجه محققان قرار گرفته است. در پژوهش حاضر یک مدل ترکیبی بهینه‌سازی با بکارگیری همزمان روش تحلیل پوششی داده‌ها و بهینه‌سازی استوار به منظور ارزیابی ریسک با ورودی‌ها وخروجی‌های غیرقطعی توسعه یافته است. جامعه آماری پژوهش از درگاه کوین مارکت‌کپ استخراج شده است که در آن از داده‌های روزآمد قیمت تعدیل شده 37 رمز ارز برتر انتخابی برای برآورد ریسک و ایجاد پرتفوی بهینه مورد استفاده قرار گرفته است. یک رویکرد دو مرحله‌ای برای انتخاب و بهینه سازی سبد سهام، افزایش استواری فرایند سرمایه‌گذاری و ارزیابی جامع سهام مبتنی بر معیارهای مالی پیشنهاد شده است. در مرحله اول، ارزیابی کارایی سهام منتخب با استفاده از روش تحلیل پوششی داده‌ای - برنامه‌ریزی استوار[1] (RDEA) انجام می شود. سپس در فاز دوم، با استفاده از مدل‌های میانگین نیم واریانس و میانگین انحراف مطلق استوار، میزان سرمایه‌گذاری در سهام واجد شرایط تعیین می شود. عملکرد رویکرد پیشنهادی در مطالعه موردی داده‌های رمز ارز با عدم‌قطعیت فزاینده مورد ارزیابی قرار می گیرد. نتایج مقایسه‌ای مدل های همتای استوار با دو سنجه ریسک نشان می دهد که مدل میانگین نیم واریانس عملکرد بهتری در انتخاب و بهینه سازی سبد سرمایه‌گذاری دارد [1]. Robust, Data Envelopment Analysis

Keywords

• بهینه‌سازی سبدسهام
• تحلیل پوششی داده‌ها
• برنامه ریزی استوار
• میانگین نیمه واریانس
• میانگین انحراف مطلق