دانلود مقاله ISI انگلیسی شماره 21972 + ترجمه فارسی
عنوان فارسی مقاله

استراتژی مقیاس زمانی ترکیبی در مدیریت پرتفوی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
21972 2012 6 صفحه PDF 14 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Mixed time scale strategy in portfolio management
منبع

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

Journal : International Review of Financial Analysis, Volume 23, June 2012, Pages 35–40

فهرست مطالب ترجمه فارسی
چکیده


کلمات کلیدی


1.مقدمه


2. استراتژی سرمایه گذاری


2.1 تحلیل واریانس میانگین برای مقیاس طولانی مدت 


2.2 معیار معامله کوتاه مدت 


2.3 معامله دوره ای 


3. نتایج شبیه سازی


شکل 1: فلوچارت الگوی معاملاتی


شکل 2: نسبت بازده توسط استراتژی تجاری پیشنهادی در مقایسه با میانگین تغییرات قیمت سهام (مثلث‌های تو پر) و شاخص Hang Seng (دایره‌های تو خالی) در همان دوره


جدول 2: انتخاب پرتفوی سهام در روند معامله با آستانه معاله  


4. تاثیر آستانه معاملاتی 


شکل 3: مقایسه بین استراتژی تجاری ترکیبی با آستانه تجاری θ= 1.01 (دایره تو خالی) و بدون آستانه تجاری (مثلث توخالی)، هردو هزینه تراکنش را صفر فرض می‌کنند. خط مشکلی نسبت بازده محرک را با هزینه تراکنش نشان داده شده در شکل 2 برای مقایسه نشان مییدهد.


شکل 4: نسبت بازده توسط استراتژی پیشنهادی به عنوان تابعی از آستانه تجاری پییشنهاد می‌شود (دایره‌های تو خالی، محور عمودی در سمت چپ). احتمال تجاری درمحور سمت راست (خط پررنگ، محور عمودی در راست نشان داده شده است.)


شکل 5: نسبت بازده توسط استراتژی تجاری پیشنهادی در مقایسه با میانگین تغییرات قیمت ( مثلث تو پر) و شاخص Hang Seng در دوره ای از 27 ژانویه 2008 تا 21 آپریل 2011


شکل 6: (a) نسبت بازده استراتژی معاملاتی پیشنهادی در مقایسه میانگین تغییر قیمت سهام (مثلث تو پر) و شاخص Dow Jones (دایره تو خالی) در طول دوره ای از 10 جولای 2007 تا 21 جولای 2009. (b) نسبت بازده توسط استراتژی پیشنهادی به عنوان تابعی از آستانه تجاری


5. نتیجه گیری
کلمات کلیدی
مدیریت پرتفولیو - میانگین تحلیل واریانس - کنترل ریسک - استراتژی معاملاتی
کلمات کلیدی انگلیسی
Portfolio management, Mean variance analysis, Risk control, Trading strategy
ترجمه چکیده
نوسانات در قیمت‌ها در یک بازار سهام می‌تواند به دو مقیاس زمانی جدا شود: یک روند بلند مدت هدایت شده توسط اصول مالی و یک روند کوتاه مدت مدیریت شده توسط مکانیسم‌های تجاری خاص استفاده شده. ما یک استراتژی ترکیبی را برای مدیریت پرتفوهای سهام پیشنهاد می‌دهیم که در آن روند بلند مدت توسط نظریه Markowitz تحلیل واریانس میانگین دنبال می‌شود، و نوسانات کوتاه مدت در قیمت سهام توسط یک آستانه معاملاتی نظارت می‌شود. این استراتژی در پرتفوهای دو سهامی تشکیل شده از بیست و چهار سهام منتخب در شاخص Hang Seng از 10 جولای 2007 تا 21 جولای 2009 تست شده است، که سونامی مالی را در سال 2008 پوشش می‌دهد. در استراتژی ترکیبی ما، تست بر اساس معاملات دوره ای با یک دوره معاملات ده روزه است. در آغاز هر دو معاملات، یک پرتفوی دو سهامی که دارای نسبت شارپ بهینه در میان همه ترکیبات ممکن است از 24 سهام منتخب از شاخص Hang Seng است با استفاده از تحلیل واریانس میانگین انتخاب شد. این از طریق یک روند دو مرحله ای به انجام رسید که شامل حداکثرسازی نسبت شارپ برای هر جفت با اجرای بدترین فرضیه سناریو و یک آستانه است که فعال سازی معاملات را کنترل می‌کند. سپس ما نوسان قیمت سهام منتخب را برای تعیین اقدامات معاملاتی بررسی می‌کنیم. یک آستانه معاملاتی برای تسهیل تصمیمات معاملاتی پیشنهاد شده است لذا تضمین می‌کند که قیمت پرتفوی منتخب احتمال دارد که از یک روند افزایشی در روز تصمیم گیری تبعیت کند. حاصل پرتفوی بر اساس این استراتژی ترکیبی با شاخص Hang Seng مقایسه می‌شود و قیمت میانگین 24 سهام در همان دوره بررسی می‌شود. نتایج نشان می‌دهند که این استراتژی مدیریت پرتفوی یک فاکتور 1.6 از مقدار اولیه را حاصل می‌کند، در حالی که حاصل متناظر شاخص Hang Seng و یک کاهش در مقدار با فاکتور 0.8 است. در دوره دو ساله مقایسه، سرمایه گذاری با استفاده از استراتژی ترکیبی ما در مدیریت پرتفوی یک بازده مثبت را برای یک طیف گسترده از آستانه معاملاتی، از چند روز تا یک ماه، حفظ می‌کند. انتخاب ما از دوره معاملاتی ده روزه فرکانس معامله را به منظور اجتناب از جریمه هزینه تراکنش کاهش می‌دهد. استراتژی ما انعطاف پذیری بالاتری را در الگوی معاملاتی برای سرمایه گذارها در عادات تجاری متفاوت اجازه می‌دهد. یک مشاهده مهم استراتژی ما این است که دارایی‌ها را در طول سونامی در سال 2008 حفظ می‌کند، که برای سرمایه گذاران محافظه کاری که حفاظت در بدترین شرایط را ترجیح می‌دهند مهم است.
ترجمه مقدمه
مشکل تخصیص منابع مالی در مدیریت پرتفوی از زمان کار اولیه بر تحلیل واریانس میانگین توسط Markowitz (1952) مورد توجه پژوهش بود. تحلیل واریانس میانگین، که یک شکل گیری ریاضی از مفهوم تنوع است، بیان می‌کند انتخاب دو دارایی یا بیشتر برای سرمایه گذاری می‌‌تواند ریسک درگیر در سرمایه گذاری هر دارایی را کاهش می‌دهد؛ در نتیجه یک راهنما را در کنترل ریسک در مدیریت پرتفوی ارائه می‌دهد. نظریه Markowitz یک راه حل ساده و ظریف را برای تحصیص منابع ارائه می‌دهد، مانند کسری از پول سرمایه گذاری شده در هر سهام موسسه در پرتفوهای دو سهامی با مشخص کردن مرز سرمایه گذاری و ریسک قابل تحمل توسط سرمایه گذار. در عمل، یک تصویر استاتیک از میانگین واریانس که وابسته به زمان است ندارد. برای مدیریت این مسئله، تشخیص الگو، الگوریتم ژنتیک، شبکه عصبی و قوانین فازی رویکردهایی هستند که در اپلیکیشن‌های واقعی استفاده می‌شوند. در این مقاله، ما دو مقیاس زمانی متفاوت را در تحلیل واریانس میانگین معرفی می‌کنیم. اول از همه، فرض می‌کنیم که رفتار بلند مدت راهنمایی را برای روند سهام در آینده نزدیک ارائه می‌دهد. این نقطه نظر مهم رفتار بلند مدت در تخصیص منابع از نقطه نظر پیش بینی‌های سری زمانی بسیار متفاوت است، که در قدرت پیش بینی به شدت بر الگوریتم داده کاوی هوشمند متکی است، که نه تنها بر داده‌های بلند مدت و میان مدت، بلکه بر خبرها و نوسانات بازاری در چند روز گذشته متکی است. به منظور تطبیق نوسات در قیمت سهام در کوتاه مدت، ترکیب این دو نقطه نظر مطلوب هستند، لذا ما یک پلت فرم عمومی برای ساخت یک الگوریتم تخصیص منبع، با تعریف مقیاس بلند مدت و کوتاه مدت با توجه به کاربر داریم. اخیرا، ما یک سیستم چند عاملی از معامله گران سهام را بررسی کردیم، که هر یک، یک پرتفوی دو سهامی را با استفاده از تحلیل واریانس میانگین می سازند. جدا از ماهیت تصادفی قیمت سهام و مکانیزم مجهول بین تغییرات قیمت سهام منفرد، نتایج این کار نشان می‌دهند که پرتفویی با بازده بالا و ریسک پایین وجود دارد. براستی، در همه کارهای انجام شده بر مدیریت پرتفوی که شامل سهام‌ها هستند، یک هدف مشترک داشتن بازده بالا، ریسک پایین و عملکرد سازگار است. از طرف دیگر، از ماهیت کوتاه مدت همبستگی قیمت سهام آگاه هستیم، که می‌تواند به اندازه 1-2 روز کوتاه باشد. بنابراین، بسط کار‌های قبلی با تناظر شرایط کوتاه مدت و بلند مدت برای مدیریت پرتفوی مطلوب است. علاوه بر این، ما یک انتخاب پرتفوی و معامله در دوره ثابت را اجرا می‌کنیم، در نتیجه فرکانس معامله به منظور اجتناب از هزینه معاملات کاهش می‌یابد. این محدودیت بر دوره معاملاتی نیز انعطاف پذیری بیشتر را بر الگوی معاملاتی برای سرمایه گذاران با عادات معاملاتی متفاوت در موارد عملی فراهم می‌کند. نتیجه نهایی باید الگوریتمی را تولید کند که از معاملات مکرر اجتناب کند، و در عین حال راهنمای خوبی برای انتخاب ترکیب سهام باشد که سود خوبی را با ریسک‌های پایین حاصل می‌کند. همچین الگوریتم‌هایی برای سرمایه گذاران ایده آلی که می‌توانند به صورت منظم از دستاورد سازگار با ریسک پایین بهره ببرند ایده آل است.
پیش نمایش مقاله
پیش نمایش مقاله استراتژی مقیاس زمانی ترکیبی در مدیریت پرتفوی

چکیده انگلیسی

The fluctuation in the prices in a stock market can be separated into two time scales: a long term trend guided by financial principles and a short term trend governed by the specific trading mechanisms used. We proposed a mixed strategy for managing stock portfolios in which the long term trend is tracked by Markowitz's theory of mean variance analysis, and the short term fluctuation in stock price is monitored by a trading threshold. This strategy is tested in a two-stock portfolio formed from twenty four selected stocks in the Hang Seng Index from July 10 2007 to July 21 2009, which covers the financial Tsunami in 2008. In our mixed strategy, the test is based on a periodic trading with a period of ten trading days. At the beginning of each trading period, a two-stock portfolio that has the optimal Sharpe ratio among all the possible combination of 24 chosen stocks from the Hang Seng Index is selected using mean variance analysis. This is accomplished through a two steps process that involves a maximization of the Sharpe ratio for each pair with an implementation of the worst scenario hypothesis and a threshold that control the activation of trading. Then we examine the price fluctuation of the chosen stocks to determine the trading action. A trading threshold is proposed to facilitate the trading decision so as to ensure that the price of the selected portfolio will likely follow a rising trend on the decision day. The yield of the portfolio based on this mixed strategy is compared to the Hang Seng Index and the averaged price of the 24 stocks over the same period. The results show that this strategy of portfolio management yields a factor of 1.6 of the initial value, whereas the corresponding yield of the Hang Seng Index is a decrease in value by a factor of 0.8. Over the period of two years for the comparison, the investment using our mixed strategy in portfolio management maintains a positive return for a wide range of trading threshold, from a few days to one month. Our choice of a trading period of 10 days reduces the transaction frequency in order to avoid the penalty of transaction fee. Our strategy therefore allows higher flexibility in the trading scheme for investors of different trading habits. An important observation of our strategy is that it preserves the assets over the Tsunami in 2008, which is important to conservative investors who prefer protection in the worst situation.

مقدمه انگلیسی

The problem of financial resource allocation in portfolio management has been of research interest since the seminal work on the mean variance analysis by Markowitz, 1952 and Markowitz, 1959. The mean variance analysis, which is a mathematical formation of the concept of diversification, suggests that the selection of two or more assets for investment can lower the risk involved in the investment of any individual asset, thereby providing a guideline in risk control in portfolio management. Markowitz's theory provides a simple and elegant solution for resource allocation, such as in the fraction of money invested in each constituent stock in the two-stock portfolios by specifying the investment frontier and the risk tolerable by the investor. In practice, however, one does not have a static picture of the mean nor the variance as they are time dependent. To handle this problem, pattern recognition (Fukunaga, 1990 and Zemke, 1999), genetic algorithm (Szeto et al., 1997, Szeto and Cheung, 1997 and Szeto and Cheung, 1998), neural network (Froehlinghaus & Szeto, 1996), and fuzzy rule (Fong and Szeto, 2001 and Szeto and Fong, 2000) are some of the approaches that have been applied in real application. In this paper, we introduce two different time scales into the mean variance analysis. First of all, we assume that the long term behavior provides guidance to the trend of the stock in the near future. This point of view on the importance of long term behavior in resource allocation is very different from the point of view on time series forecasting, where the predictive power of a forecast relies heavily on an intelligent data-mining algorithm, applied not on the long or medium term data, but on the news and fluctuation of the market in the past few days. In order to accommodate the fluctuation in stock price in the short term, it will be desirable to incorporate these two points of view, so that we have a general platform to construct a resource allocation algorithm, with the definition of the long time scale and short time scale given by the user. Recently, we have investigated a multi-agent system of stock traders, each making a two-stock portfolio using the mean variance analysis (Chen et al., 2008). The results of this work show that there exists portfolio with low risk and high return, in spite of the random nature of the stock price and the unknown mechanism between the price variations of individual stock. Indeed, in all the works on portfolio management involving stocks, a common goal is to pursue high return, low risk and consistent performance. On the other hand, we are also aware of the short term nature of the correlation of the stock price, which can be as short as 1–2 days (Chen & Szeto, 2011). Therefore, it is desirable to extend our previous works by considering both the long term and short term conditions for portfolio management. Furthermore, we perform the portfolio selection and trading over a fixed period, thereby reducing the frequency of trading in order to avoid the penalty of the transaction fees. This constraint on the trading period also provides more flexibility in the trading scheme for investors of different trading habits in practical application. The final result should produce an algorithm that avoid frequent trading, while providing a good guidance for selecting stock combination that yield good profit with low risks. Such algorithm is ideal for conservative investors who can regularly enjoy consistent yield with low risk.

نتیجه گیری انگلیسی

We have proposed a rather conservative strategy of investment using the time dependent mean variance analysis on a two-stock portfolio. The time dependence covers both the long term aspect of the pair of stocks, as well as the short term fluctuation of the stock prices. The long term aspect is determined by computing the “Sharpe ratio” at time t, while the short term stock price return provides a risk control through a trading threshold. By setting a critical value for the trading threshold, we can avoid loss caused by the transaction fees incurred by frequent trading. Numerical simulation of this mixed time scale strategy with real data on a set of blue chips in the Hang Seng Index indicates good return on the bull market and small loss on the bear market. The overall performance of our strategy beats the performance of the average performance of the chosen set of stocks, as well as the Hang Seng Index. This strategy should therefore be suitable for conservative investors. Moreover, mean variance analysis is quite general. Therefore, the portfolio selected by the mean variance analysis should perform well universally for different stock markets. Since the stock purchase criteria incorporating the short term stock price fluctuation do not rely on information of particular stock markets, we expect our analysis works also well on stock data outside Hong Kong market and the American market.

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