مشخصات مقاله:
عنوان فارسی مقاله:
بهینه سازی قوی نسبت CVaR STARR مخلوط با مفصل ها
عنوان انگلیسی مقاله:
Robust optimization of mixed CVaR STARR ratio using copulas
کلمات کلیدی مقاله:
بهینه سازی سبد سهام، بهینه سازی استوار سبد سهام، نسبت STARR، ارزش در ریسک شرطی ترکیبی، مدل ARMA-GJR-GARCH، مفصل واین با قاعده
مناسب برای رشته های دانشگاهی زیر:
مهندسی صنایع
مناسب برای گرایش های دانشگاهی زیر:
برنامه ریزی و تحلیل سیستم ها، بهینه سازی سیستم ها
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
سهم ها
2. مرور ادبیات
2.1. نسبت پاداش-ریسک
2.2. مفصل های واین
2.3. بهینه سازی استوار
3. مدلسازی چند متغیره
3.1. مدل ARMA-GJR-GARCH برای توزیع حاشیه ای
3.2. مفصل ها
3.3. مفصل های واین
4. فرمولاسیون مدل ها
4.1. علائم
4.2. مدل نسبت STARR با CVaR مختلط و CVaR مختلط انحرافی
4.3. مدلهای استوار نسبت STARR
5. متدلوژی و داده ها
5.1. متدلوژی
5.2. داده ها
6. تحلیل تجربی
6.1. نتایج: اولین مجموعه داده
6.2. نتایج: دومین مجموعه داده
6.3. سومین مجموعه داده: تحلیل پنجره نورد
7. نتایج
ضمیمه
مفصل های ارشمیدسی
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
We introduce the robust optimization models for two variants of stable tail-adjusted return ratio (STARR), one with mixed conditional value-at-risk (MCVaR) and the other with deviation MCVaR (DMCVaR), under joint ambiguity in the distribution modeled using copulas. The two models are shown to be computationally tractable linear programs. We apply a two-step procedure to capture the joint dependence structure among the assets. We first extract the filtered residuals from the return series of each asset using AutoRegressive Moving Average Glosten Jagannathan Runkle Generalized Autoregressive Conditional Heteroscedastic (ARMA-GJR-GARCH) model. Subsequently, we exploit the regular vine copulas to model the joint dependence among the transformed residuals. The tree structure in the regular vines is accomplished using Kendall’s tau. We compare the performance of the proposed two robust models with their conventional counterparts when the joint distribution in the latter is described using Gaussian copula only. We also examine the performance of the obtained portfolios against those from the Markowitz model and multivariate GARCH models using the rolling window analysis. We illustrate the superior performance of the proposed robust models than their conventional counterpart models on excess mean returns, Sortino ratio, Rachev ratio, VaR ratio, and Treynor ratio, on three data sets comprising of indices across the globe.
چکیده
ما مدلهای بهینه سازی استوار برای دو نوع نسبت بازده تنظیم شده با دنباله ثابت (STARR)، یکی با ارزش در ریسک شرطی ترکیبی (MCVaR) و دیگری با ارزش در ریسک ترکیبی انحرافی (DMCVaR)، با ابهام مشترک در توزیع مدلسازی شده با استفاده از مفصل ها، معرفی می کنیم. این دو مدل نشان داده می شوند تا برنامه های خطی از نظر محاسباتی، قابل ردیابی باشند. از یک روش دو مرحله ای برای بکارگیری ساختار وابستگی مشترک در میان دارایی ها استفاده می کنیم. در ابتدا، باقیمانده فیلتر شده از مجموعه های بازده هر دارایی را با استفاده از میانگین متحرک خودبازگشتی مدل تعمیم یافته واریانس ناهمگن شرطی خودبازگشتی گلاستن ، جاگاناتان و رانکل (ARMA-GJR-GARCH) استخراج می کنیم. در ادامه، از مفصل های واین با قاعده برای مدلسازی همبستگی اشتراکی بین باقیمانده های تبدیل شده استفاده می کنیم. ساختار درختی در واین های با قاعده با استفاده از تاو کندال انجام می شوند. ما عملکرد دو مدل استوار پیشنهادی را با مشابهت های معمولی بین آنها، که تنها با استفاده از مفصل گاوسی بیان می شود، هنگام توزیع مشترک در دومی مقایسه می کنیم. همچنین، عملکرد سبد سهام بدست آمده را در مقابل سبد سهام بدست آمده از مدل مارکوییتز و مدلهای GARCH چند متغیره، با استفاده از تحلیل پنجره نَوَرد بررسی می کنیم. ما عملکرد بالاتر مدلهای استوار پیش بینی شده را نسبت به مدلهای مشابه معمولی در بازده های میانگین اضافی، نسبت سورتینو ، نسبت راچِو ، نسبت VaR، و نسبت ترینر ، در سه مجموعه داده شامل شاخص های کلی نشان می دهیم.