ارائه الگوي بهينه پايدار سبد سهام با رويكرد امگا

Provide an optimal Robust portfolio model with omega approach

ازجمله مسائل عمده‌اي كه سرمايه‌گذاران بازارهاي سرمايه با آن مواجه هستند، تصميم‌گيري جهت انتخاب اوراق بهادار مناسب براي سرمايه‌گذاري و تشكيل سبد بهينه سهام است. ازآنجاكه پارامترهاي مسئله انتخاب سبد سهام را، به دليل نوسان‌ بازار و قيمت‌ نمي‌تواند ثابت در نظر گرفت، بايد از روشي بهره برد كه عدم قطعيت داده‌ها در آن لحاظ شود. بهينه‌سازي پايدار راه‌حلي علمي براي مسائلي به شمار مي‌رود كه در آن با عدم قطعيت داده‌ها روبرو خواهيم بود. پژوهش حاضر در جهت بهينه‌سازي پايدار پرتفوي بر اساس رويكرد امگا بررسي‌شده است. مقاله حاضر به معرفي مدل خطي امگا، به‌عنوان معيار محاسبه ريسك و ارائه مدل بهينه پايدار امگا پرداخته است. رويكرد پايدار استفاده‌شده در اين پژوهش، رويكرد برتسيماس و سيم است در اين رويكرد همتاي پايدار ارائه‌شده براي يك مدل برنامه‌ريزي خطي همچنان خطي باقي مي‌ماند كه باعث مي‌شود مزاياي مدل برنامه‌ريزي خطي در مدل بهينه حفظ شود. مدل توسعه داده‌شده در اين پژوهش توسط داده‌هاي واقعي 20 سهم از شاخص S&P 500 به مدت سه سال به‌صورت تصادفي انتخاب‌شده كه نتايج آن نشان‌دهنده كارايي بالاي مدل در توسعه مدل‌هاي تحت شرايط عدم قطعيت است همچنين نتايج نشان مي‌دهد، درصورتي‌كه سطح محافظه‌كاري افزايش يابد، مقدار تابع هدف افزايش خواهد يافت.

One of the significant problems facing capital market investors is choosing the right securities to invest in and create an optimal portfolio. Since the portfolio selection parameters cannot be considered fixed due to market and price fluctuations, a method that takes into account data uncertainty should be used. Robust optimization is a scientific solution to the problems in which data uncertainty is present. The present study has been conducted for Robust portfolio optimization based on the omega approach. The present paper introduces the linear omega model as a criterion for calculating risk and provides an optimal Robust omega model. Robust approach used in this research is the Bertsimas and Sim approach. In this approach, Robust counterpart presented for a linear programming model remains linear, maintaining the advantages of the linear programming model in the optimal model. The model developed in this research is randomly selected by real data of 20 stocks of the S&P 500 index for three years, the results show the high efficiency of the model that developmenting models under uncertainty conditions. The results also show that if conservatism increases, the value of the objective function will increase.