نوع مقاله : پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی مالی دانشگاه تربیت مدرس

2 دانشیار گروه مدیریت سیستم و بهره‌وری دانشکده مهندسی صنایع دانشگاه تربیت مدرس

3 استادیار گروه مدیریت سیستم و بهره‌وری دانشکده مهندسی صنایع دانشگاه تربیت مدرس

چکیده

یکی از مهم‌ترین دغدغه‌های همیشگی سرمایه‌گذاران انتخاب بهترین فرصت‌های سرمایه‌گذاری با بیشترین ارزش سرمایه‌گذاری است و با توجه به گزینه‌های مختلف برای سرمایه‌گذاری، تنوع بخشی در سبد سرمایه‌گذاری یک استراتژی مفید و مطرح در مباحث سرمایه‌گذاری می‌باشد. اما استراتژی سرمایه‌گذاری در بین دارایی‌های مختلف نظیر بورس اوراق بهادار، طلا، ارز و رمز ارز نامشخص بوده و معلوم نیست که علیرغم رکود و رونق موقت برخی از دارایی‌ها (همانند بورس و طلا) و همچنین تأثیرات آن‌ها بر یکدیگر، اولویت‌بندی سرمایه‌گذاری (به لحاظ ریسک و بازده) بین دارایی‌های فوق چگونه تخصیص یابد.
هدف از انجام این تحقیق، پیشنهاد اوزان بهینه سرمایه‌گذاری بین دارایی‌های بورس اوراق بهادار تهران، سکه بهار آزادی، دلار آمریکا و بیت‌کوین از طریق حداقل‌سازی ارزش در معرض ریسک شرطی با روش میانگین– ارزش در معرض خطر شرطی می‌باشد. بدین منظور با توجه به دم‌پهن بودن توزیع بازدهی دارایی‌های مالی جهت پیش‌بینی توزیع دنباله‌ها از نظریه ارزش فرین، رویکرد فراتر از آستانه استفاده شده است. همچنین برای محاسبه ارتباط بین این دارایی‌ها از ترکیب روش همبستگی شرطی پویا و کاپولا استفاده شده است که همبستگی علاوه بر غیرخطی بودن، پویا و متغیر با زمان نیز باشد.
با استفاده از اطلاعات روزانه شاخص دارایی‌های فوق در فاصله زمانی مهر 1393 تا فروردین 1397، مرز کارای سرمایه‌گذاری رسم شده است. نتایج نشان می‌دهد در سطح ریسک (ارزش در معرض ریسک شرطی) صفر به دلیل تغییرات کم واریانس، بیش‌ترین وزن سرمایه‌گذاری در بورس اوراق بهادار و در بالاترین سطح ریسک، بیش‌ترین وزن سرمایه‌گذاری در رمز ارز (بیت‌کوین) به دلیل بازده بالاتر، تخصیص یافته است. همچنبن مقایسه پرتفوهای بهینه با استفاده از نسبت شارپ شرطی حاکی از عملکرد بهتر پرتفوهای متنوع نسبت به هر دارایی است و بهترین عملکرد را پرتفو شامل سکه با اختصاص بیش از 70 درصد و دلار و بیت‌کوین با وزن برابر داشته است. همچنین با توجه به نسبت شارپ شرطی در پرتفو بهینه حداقل وزن سکه 60 درصد وحداکثر سهم دلار و بیت‌کوین 20 درصد می‌باشد.
 

کلیدواژه‌ها

عنوان مقاله [English]

Mixed- Asset Portfolio Optimization

نویسندگان [English]

  • soudeh sabahi 1
  • Farimah Mokhatab Rafiei 2
  • MohammadAli Rastegar 3

1 Master of Financial Engineering of Tarbiat Modares University

2 Associate Professor of Faculty of Industrial and Systems Engineering of Tarbiat Modares University

3 Assistant Professor of Faculty of Industrial and Systems Engineering of Tarbiat Modares Universi

چکیده [English]

 
Introduction
At the core of any investment lies the return on investment. To gain a favorable return, an investor should take investment-related risks. The interaction between risk and return can lead to decisions on asset allocation. A key strategy in investment discussions is diversification in investment portfolio.
Investment strategy is undetermined in different assets such as security, gold, currency and cryptocurrency. Despite the temporary recession and success of certain assets, it is hard to prioritize investment among assets (in terms of risk and return) to ensure that the investor makes the highest profit at the lowest risk. Thus, the present research used the Mean-CVaR model along with the Extreme value theory (EVT) based on Copula’s theory to estimate the correlations among time series. It used the dynamic conditional correlation (DCC) estimation method to measure the joint distribution of assets regardless of the normality assumption of data, collinearity, priorities and weights of investment in assets as optimal values.
Theoretical Framework
Diversification of conventional investment portfolio which only involves cash and security with alternative assets such as goods, currency and estate helps to decrease the correlation of assets and increase its resistance to severe changes in stock market. It, thus, helps to improve the performance of investment portfolio (Fischer & Lind-Braucher, 2010). Moreover, due to the low correlation between conventional assets and cryptocurrency and its high-efficiency, cryptocurrency is a good instrument to be combined with diverse investment portfolios and can increase the Sharpe ratio (Chuen et al., 2017).
One assumption of the distribution of financial return time series is the normality of data. However, in actuality, many financial return time series are not normal. When the normality assumption is violated, Value at Risk (VaR) is a proper measure.
Risk exposure value is not an integrated risk measurement and due to the lack of sub-aggregation property, may be inefficient in optimizing investment portfolio. Thus, researches introduced Conditional Value at Risk (CVaR) as an integrated measure and an alternative for VaR.
Methodology
As the return on financial assets is marked by a fat tail and is not marked by a normal distribution of data, to better predict the distribution of series, EVT was used. Moreover, Copula’s theory was adopted and the structure of correlations among series as time-varying was modelled via the dynamic conditional correlation estimation and the joint distribution of assets was analyzed regardless of data normality and collinearity. Then, the Mean-CVaR model was used to estimate the risk exposure value and set the investment priorities and weights among assets in Tehran Stock Exchange, Gold Coin, USD and Bitcoin as optimized values.
In this research, for an optimal allocation of investment among four above assets in daily return, Tehran Stock Exchange index (TEPIX) was used. The daily return on investment in Gold Coin (the old version) was estimated in Rials. That of USD was estimated in Rials in Tehran free market. Finally, the daily return on investment in Bitcoin was estimated in Rials between October 2014 and April 2018.
Results & Discussion
A negative correlation was estimated via DCC-Copula between certain assets, which shows that when a particular asset gains higher return on investment (than the mean value), the other asset does not follow the same trend. Thus, investors are capable of diversifying their portfolio accordingly.
Prediction of return on assets showed that the highest expected daily return on investment belonged, respectively, to Bitcoin, Gold Coin, Dollar and Tehran Stock Exchange. Moreover, as the optimized weights showed for zero CVaR, due to the low variance, the greatest investment weight was investment in Tehran Stock Exchange. The higher the investor’s risk-taking, the greater the investment weight of Gold Coin and Bitcoin.
Conclusions & Suggestions
Considering the investor’s risk-taking level, if s/he tolerates the least risks, s/he is suggested to make the most investment in securities. An increase in the minimum expected return on investment is followed by an increase in the investment share of Gold Coin and Bitcoin. Thus highly risk-taking investors are suggested to invest in Bitcoin and low risk-taking counterparts are suggested to invest in Gold Con. 
Considering the conditional Sharp (C-Sharp) ratio optimal portfolio indicated a better performance of various portfolios than any other asset, and the best performance of the portfolio includes Gold Coin with more than 70% and Dollars and Bitcoins with an equal weight. Furthermore, according to the C-Sharp ratio in the optimal portfolio, the minimum weight of Gold Coin is 60% and the maximum share of Dollar and Bitcoin is 20%.

کلیدواژه‌ها [English]

  • DCC
  • EVT
  • Copula
  • CVaR
  • Optimization
  • Mixed-Asset Portfolio
  1. پیروی, ع. 1390. تعیین سبد دارایی با تمرکز بر روابط بین بازارهای بورس، طلا، ارز، املاک و مستغلات. پایان‌نامه کارشناسی ارشد, دانشگاه صنعتی خواجه نصیر الدین طوسی.
    راغفر, ح. و آجورلو, ن. 1395. برآورد ارزش در معرض خطر پرتفوی ارزی یک بانک نمونه با روش GARCH-EVT-Copula فصلنامه پژوهش‌های اقتصادی ایران.
    شکاری, س. 1397. پیش بینی ارزش در معرض خطر براساس کاپولای متغیر با زمان. کارشناسی ارشد, دانشگاه خاتم.
    قلی‌زاده, ع. ا. و متین, م. ط. 1390. انتخاب سبد دارایی ها در دوره رکود و رونق مسکن. فصلنامه پژوهش‌های اقتصادی.
    محمودی, و., امام‌دوست, م. و شعبان‌پور, پ. 1395. بررسی نقش املاک و مستغلات در سبد دارایی سرمایه‌‌گذاران در ایران. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی.
    نصیری, ف. 1393. بهینه‌سازی پرتفوی سرمایه‌گذاری در بازارهای ارز، طلا و سهام با استفاده از رویکرد ارزش در معرض خطر بر اساس مدل گارچ- کاپولا‌. کارشناسی ارشد, دانشگاه خاتم.

    andrianto, y. & diputra, y. 2017. The Effect of Cryptocurrency on Investment Portfolio Effectiveness. Journal of Finance and Accounting, 5, 229-238.
    Berger, T. 2013. Forecasting value-at-risk using time varying copulas and EVT return distributions. International Economics, 133, 93-106.
    Brière, m., oosterlinck, k. & szafarz, a. 2015. Virtual currency, tangible return: Portfolio diversification with bitcoin. Journal of Asset Management, 16, 365-373.
    Chuen, K., LEE, D., Guo, L. & Wang, Y. 2017. Cryptocurrency: A New Investment Opportunity? The Journal of Alternative Investments, 20, 16-40.
    Ciner, C., Gurdgiev, C. & M.Lucey, B. 2013. Hedges and Safe Havens: An examination of Stocks, Bonds, Gold, Oil and Dollar. International Review of Financial Analysis, 29, 202-211.
    Deng, L., Ma, C. & Yang, W. 2011. Portfolio Optimization via Pair Copula-GARCH-EVT-CVaR Model. Systems Engineering Procedia, 2, 171-181.
    F.Engle, R. & Sheppard, K. 2001. Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH, National Bureau of Economic Research.
    Gangwal, S. 2016. Analyzing the Effects of Adding Bitcoin to Portfolio. International Journal of Economics and Management Engineering, 10, 3519-3532.
    Hammoudeh, S., Araujo Santos, P. & Al-Hassan, A. 2013. Downside risk management and VaR-based optimal portfolios for precious metals, oil and stocks. North American Journal of Economics and Finance, 25, 318-334.
    Raza, N., Ali, S., Shahzad, S. J. H. & Raza, S. A. 2018. Do commodities effectively hedge real estate risk? A multi-scale asymmetric DCC approach. Resources Policy, 57, 10-29.
    Sahamkhadam, M., Stephan, A. & Ostermark, R. 2018. Portfolio Optimization Based on GARCH-EVT-Copula Forecasting Models. International Journal of Forecasting, 34, 497-506.