دانلود مقاله ISI انگلیسی شماره 15542
عنوان فارسی مقاله

نمونه کارها تنظیم بهینه سازی با دارایی های اضافه شده و هزینه های مبادله بر اساس اقدامات اعتبار

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
15542 2011 8 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Portfolio adjusting optimization with added assets and transaction costs based on credibility measures
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Insurance: Mathematics and Economics, Volume 49, Issue 3, November 2011, Pages 353–360

فهرست مطالب ترجمه فارسی
چکیده مقدمه بازگشت مورد انتظار Credibilistic و خطر credibilistic از دارایی نمونه کارها credibilistic مدل تنظیم اشکال واضح از مدل های راه اندازی و الگوریتم مثال عددی نتیجه منابع
کلمات کلیدی
اندازی و نگهداری از نمونه کارها - هزینه های معامله - معنی و واریانس - وام و قرض گرفتن
ترجمه چکیده
در پاسخ به بازارهای مالی متغییر و سرمایه سرمایه گذار، ما نمونه کارها تنظیم مشکل با دارایی های ریسک های اضافی و دارایی های بدون ریسک بر اساس تئوری اعتبار مورد بحث. ما دو میانگین واریانس مدل اندازی نمونه کارها credibilistic با بازده فازی به طور کلی، که اعطای وام، قرض گرفتن، هزینه های معامله، دارایی خطر اضافی و سرمایه را در نظر در فرایند نمونه کارها تنظیم پیشنهاد می کنیم. ما در حال حاضر شکل واضح از مدل های که بازده دارایی ها خطر ابتلا به برخی از متغیرهای قطعی فازی مانند ذوزنقه، مثلث و انواع فاصله است. ما همچنین برنامه نویسی الگوریتم راه حل های درجه دوم برای به دست آوردن استراتژی بهینه اندازی کار. مقایسه نتایج: از شماره ای بر اساس اعداد از مدل های مختلف نشان دادن بهره وری از مدل های پیشنهادی و الگوریتم.
ترجمه مقدمه
با فرض اعطای وام و قرض گرفتن از پول را با نرخ بهره بدون ریسک داده شده ، شارپ (1964) مدل قیمت گذاری دارایی سرمایه ( CAPM ) ارائه شده است. با مقدمه ای از دارایی های بدون ریسک ، یک سرمایه گذار قادر به قرار دادن بخشی از پول خود را در دارایی های بدون ریسک و باقی مانده در هر یک از اوراق بهادار پر ریسک موجود در یک مجموعه امکان پذیر است. شارپ و همکاران . (1999) اشاره کرد که اضافه کردن این فرصت های جدید گسترش می یابد، مجموعه ای امکان پذیر است به طور قابل توجهی و ، مهم تر ، تغییر مکان از بخش قابل توجهی از یک مجموعه کارآمد می باشد. تغییرات نگرانی سرمایه گذاران است. پژوهش انتخاب نمونه کارها ، از جمله بهترین و Hlouskova (2000) و ژانگ و وانگ (2008) ، را به دارایی های بدون ریسک به حساب و تفاوت معنی داری بین انتخاب نمونه کارها تنها با توجه به دارایی های در معرض خطر و انتخاب نمونه کارها با توجه به وجود دارایی های بدون ریسک نشان می دهد. بسیاری از مدل های انتخاب نمونه های موجود در نظریه احتمال است و فرض کنیم که بازده دارایی های متغیرهای تصادفی هستند. با این حال، در دنیای واقعی ، روش های احتمالاتی تنها بخشی از واقعیت گرفتن . اگر چه بسیاری از حوادث به عنوان فازی با روش های احتمالاتی مشخص ، آنها رویدادی تصادفی نیست ( هوانگ ، 2010 مراجعه کنید). انتخاب نمونه کارها محیط مالی اغلب به ابهام افراد ، و تصمیم های سرمایه گذاری سازندگان در معرض ابهام و عدم . این معقول تر است که فرض کنیم که بازده دارایی ها به عنوان متغیر های فازی . بنابراین، در برخی شرایط که در آن دشوار است به استفاده از نظریه احتمال ، سرمایه گذاران می توانند با استفاده از متغیر های فازی را برای منعکس کردن ابهام و عدم بازده دارایی. در واقع، بیشتر و بیشتر پژوهش مدل های واریانس احتمالاتی در مارکوویتز ، 1952 و مارکوویتز ، 1959 به محیط فازی در روش های مختلف، از جمله Tarrazo (1997) ، Inuiguchi و Tanino (2000) ، Carlsson از همکاران گسترش یافته است. (2002) ، لئون و همکاران . (2002) ، Giove و همکاران . (2006)، بیلبائو ، Terol و همکاران . (2006)، ژانگ و همکاران، 2007 و ژانگ و همکاران، 2009، هوانگ ، 2007 و هوانگ ، 2010، لیو (2008) ، و ژانگ و همکاران . (2010). در بهینه سازی مجموعه های فازی ، تئوری اعتبار است که توسط لیو و لیو (2002) توسعه یافته است که در آن اندازه گیری اعتبار دوگانه خود است . هر متغیر فازی است که با توزیع اعتبار در یک روش مشابه است که هر متغیر تصادفی با توزیع احتمال مرتبط در ارتباط است. در این جنبه، اندازه گیری اعتبار از سهام برخی از خواص مانند اندازه احتمال. ما با استفاده از اقدامات اعتبار برای توصیف بازده فازی از دارایی های در معرض خطر در این مقاله است. شرایط در بازارهای مالی متغییر می باشد ، به طوری کهنمونه های موجود ممکن است پس از یک دوره از زمان است کارآمد . داده ها و سرمایه تغییر مفهوم را میرسانند که تغییر باید در دارایی های سرمایه گذار ساخته شده است. بنابراین ، به منظور توسعه تنظیم مشکلاتی را براینمونه های موجود در پاسخ به وضعیت تغییر در بازارهای مالی و سرمایه سرمایه گذار لازم است . در شرایط عملی است، هزینه های مرتبط با خرید یا فروش یک دارایی ریسک وجود دارد. این هزینه معامله نامیده می شود. بسیاری از دانشمندان ، از جمله پاتل و Subrahmanyam (1982) ، Arnott و Wanger (1990) ، مورتون و Pliska (1995) ، Yoshimoto (1996) و نیش و همکاران . (2006) ، نمونه کارها مشکلات انتخاب شده را با هزینه معامله مورد مطالعه و نشان داد که هزینه معامله است بدیهی است که تاثیر مستقیم بر عملکرد سرمایه گذاری. در نمونه کارها تنظیم مشکل ، هزینه معامله یک تابع V شکل از تفاوت بین نمونه کارها و نمونه های موجود است ، از تجدید نظر مستلزم هر دو خرید و فروش دارایی های در معرض خطر که هر دو هزینه های معامله متحمل می شوند . علاوه بر این، در یک مشکل انتخاب نمونه کارها واقعی، سرمایه گذاران نه تنها خرید و یا فروش دارایی های ریسک، بلکه قرض دادن یا قرض گرفتن یک دارایی بدون ریسک ( پایتخت ) با نرخ بهره متفاوت است. هدف از این مقاله به بحث در مورد نمونه کارها تنظیم مشکل بر اساس تئوری اعتبار در پاسخ به داده ها و سرمایه را تغییر داد . ما با استفاده از ارزش credibilistic مورد انتظار بازده فازی را به عنوان بازگشت سرمایه گذاری و واریانس credibilistic به عنوان خطر است. مختلف از هوانگ (2007) و ژانگ و همکاران . (2010) ، ما موقعیت های پیچیده را با دارایی های ریسک های اضافی و دارایی های بدون ریسک ( پایتخت ) با نرخ بهره های مختلف در اعطای وام و قرض گرفتن در فرایند نمونه کارها تنظیم بحث . همچنین، ما خرید در نظر بگیرید و یا فروش هزینه های معامله برای دارایی های ریسک های موجود و خرید هزینه های معامله برای دارایی های ریسک اضافی. بقیه مقاله به شرح زیر است. در بخش 2، تعاریف اعتبار انتظار می رود بازگشت و خطر credibilistic معرفی می کنیم . بخش 3 تنظیم دو نوع نمونه کارها credibilistic تنظیم مدل های با یا بدون استقراض که بازده دارایی متغیرهای فازی به طور کلی می باشد. در بخش 4، نمونه کارها پیشنهاد تنظیم مدل های بهینه سازی به شکل واضح برای برخی از انواع متغیر فازی قطعی تبدیل می شود. ما همچنین برنامه نویسی الگوریتم راه حل های درجه دوم برای به دست آوردن استراتژی بهینه استخدام . در بخش 5، مجموعه ای از نمونه ای بر اساس اعداد داده شده است برای نشان دادن کارآیی مدل پیشنهادی و الگوریتم . در نهایت، برخی از نتایجی که اظهار شده در بخش 6 داده شده است.
پیش نمایش مقاله
پیش نمایش مقاله نمونه کارها تنظیم بهینه سازی با دارایی های اضافه شده و هزینه های مبادله بر اساس اقدامات اعتبار

چکیده انگلیسی

In response to changeful financial markets and investor’s capital, we discuss a portfolio adjusting problem with additional risk assets and a riskless asset based on credibility theory. We propose two credibilistic mean–variance portfolio adjusting models with general fuzzy returns, which take lending, borrowing, transaction cost, additional risk assets and capital into consideration in portfolio adjusting process. We present crisp forms of the models when the returns of risk assets are some deterministic fuzzy variables such as trapezoidal, triangular and interval types. We also employ a quadratic programming solution algorithm for obtaining optimal adjusting strategy. The comparisons of numeral results from different models illustrate the efficiency of the proposed models and the algorithm.

مقدمه انگلیسی

By assuming the lending and borrowing of money at a given riskless interest rate, Sharpe (1964) proposed the capital asset pricing model (CAPM). With the introduction of a riskless asset, an investor is able to put part of his or her money in riskless asset and the remainder in any of the risky portfolios contained in a feasible set. Sharpe et al. (1999) pointed out that adding these new opportunities expands the feasible set significantly and, more important, changes the location of a substantial part of an efficient set. The changes concern investors. Portfolio selection research, such as Best and Hlouskova (2000) and Zhang and Wang (2008), take the riskless asset into account and show a significant distinction between portfolio selection of only considering risk assets and portfolio selection of considering the existence of riskless asset. Most of the existing portfolio selection models are based on probability theory and assume that the returns of assets are random variables. However, in real world, the probabilistic approaches only partly capture the reality. Although many events are characterized as fuzzy by probabilistic approaches, they are not random events (see Huang, 2010). Portfolio selection financial environment often subjects to fuzziness, and investment decision makers are subject to vagueness and ambiguity. It is more reasonable to assume that asset returns as fuzzy variables. Therefore, in some situations in which it is difficult to use probability theory, investors can make use of fuzzy variables to reflect the vagueness and ambiguity of asset returns. In fact, more and more research extended probabilistic mean–variance models in Markowitz, 1952 and Markowitz, 1959 to fuzzy environment in different ways, such as Tarrazo (1997), Inuiguchi and Tanino (2000), Carlsson et al. (2002), León et al. (2002), Giove et al. (2006), Bilbao-Terol et al. (2006), Zhang et al., 2007 and Zhang et al., 2009, Huang, 2007 and Huang, 2010, Liu (2008), and Zhang et al. (2010). In fuzzy portfolio optimization, credibility theory is developed by Liu and Liu (2002) in which credibility measure is self-dual. Each fuzzy variable is associated with a credibility distribution in a similar way that each random variable is associated with a probability distribution. In this aspect, the credibility measure shares some properties like the probability measure. We use credibility measures to describe the fuzzy returns of risk assets in this paper. The situations in financial markets are changeful, so an existing portfolio may not be efficient after a period of time. The changed data and capital imply that a change should be made in an investor’s holdings. Therefore, it is necessary to develop adjusting problems for an existing portfolio in response to changed situation in financial markets and the investor’s capital. In practical situations, there is a cost associated with buying or selling a risk asset. This is called the transaction cost. Many scholars, such as Patel and Subrahmanyam (1982), Arnott and Wanger (1990), Morton and Pliska (1995), Yoshimoto (1996) and Fang et al. (2006), studied portfolio selection problems with transaction cost and showed that the transaction cost has obviously a direct impact on investment performance. In the portfolio adjusting problem, the transaction cost is a V-shaped function of difference between a new portfolio and the existing portfolio, since the revision entails both purchasing and selling risk assets that both incur transaction costs. Moreover, in a real portfolio selection problem, investors do not only purchase or sell risk assets, but also lend or borrow a riskless asset (capital) at different interest rates. The purpose of this paper is to discuss the portfolio adjusting problem based on credibility theory in response to changed data and capital. We use credibilistic expected value of fuzzy returns as the investment return and credibilistic variance as the risk. Different from Huang (2007) and Zhang et al. (2010), we discuss complex situations with additional risk assets and a riskless asset (capital) with different interest rates on lending and borrowing in portfolio adjusting process. Also, we consider the buying or selling transaction costs for the existing risk assets and the buying transaction costs for the additional risk assets. The rest of the paper is organized as follows. In Section 2, we introduce the definitions of credibility expected return and credibilistic risk. Section 3 formulates two types of credibilistic portfolio adjusting models with or without borrowing when the returns of assets are general fuzzy variables. In Section 4, the proposed portfolio adjusting optimization models are converted to crisp forms for some deterministic fuzzy variable types. We also employ a quadratic programming solution algorithm for obtaining optimal strategy. In Section 5, a series of numeral examples are given to illustrate the effectiveness of the proposed models and algorithm. Finally, some concluding remarks are given in Section 6.

نتیجه گیری انگلیسی

In the paper, we consider the adjusting problem for an existing portfolio in response to changed financial markets and investors capital. By taking the returns of risk assets as fuzzy variables, we use the credibilistic expected value and credibilistic variance to measure the return and risk of the assets. We present the credibilistic mean–variance model for portfolio adjusting with transaction costs, additional risk assets and a riskless asset. The proposed models in this paper can be regarded as an extension of the model discussed in Zhang et al. (2010). Furthermore, the models based on credibilistic theory are more useful to describe an uncertain investment environment with vagueness and ambiguity than the Markowitz models (1952, 1959). Under the assumption that the return of risk assets are some deterministic fuzzy variables, we convert the optimization models into crisp forms and employ a quadratic programming solver for obtaining optimal solutions. We give a series of examples to illustrate the impact of inclusion of additional risk assets, a riskless asset with lending or borrowing and transaction cost in portfolio adjusting. The computational results show that an investor’s risk-aversion determines the amount of lending or borrowing in a riskless asset. The more conservative the investor is, the more lending he or she selects. The more aggressive the investor is, the more borrowing he or she selects.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.