تاثیر افق سرمایه‌گذاری در بهینه کردن سبد سهام با استفاده از موجک و گارچ-کاپولا

نوع مقاله: کاربردی

نویسندگان

1 استادیار گروه مهندسی مالی، دانشگاه تربیت مدرس، تهران، ایران

2 کارشناسی ارشد مهندسی مالی، دانشگاه خاتم، تهران، ایران

چکیده

بررسی تاثیر افق سرمایه‌گذاری به اندازه موضوعات ریسک و بازده در تشکیل سبد سهام بهینه از اهمیت ویژه‌ای برخوردار است. در این پژوهش تاثیر افق سرمایه‌گذاری بر ریسک و بازده یک سبد سهام در بورس اوراق بهادار تهران بررسی می‌شود. برای به‌دست آوردن سبد سهام بهینه از روش تجزیه داده‌ها (موجک)، برای تعیین توزیع حاشیه‌ای از مدل آریما-گارچ و برای تعیین توزیع توام سبد سهام از کاپولای تی استیودنت استفاده شده است. در این پژوهش معیار کارایی مدل، نسبت مبنی بر ارزش در معرض خطر انتخاب و وزن‌های بهینه سبد سهام تعیین می‌شود. نتایج نشان می‌دهد مدل انتخاب شده در مقایسه با مدل بوت‌استرپ و مدل ساده بدون تجزیه داده، بهتر عمل می‌کند. سایر نتایج بیان می‌کند، سرمایه‌گذاری با افق بلندمدت باید به داده‌های تجزیه شده در سطح تجزیه شده بالا، با فرکانس پایین توجه نماید. همچنین سرمایه‌گذاری با افق کوتاه‌مدت باید داده‌های تجزیه شده در سطح پایین با فرکانس بالا را مد نظر قرار دهد.
JEL: G32, G11
نحوه استناد به این مقاله: رستگار، م. ع.، و اوکی‌نژاد، م. (1396). تاثیر افق سرمایه‌گذاری در بهینه کردن سبد سهام با استفاده از موجک و گارچ-کاپولا. فصلنامه مدلسازی ریسک و مهندسی مالی، 2(3)، 340-361.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The Impact of the Investment Horizon in Optimizing Portfolio using Wavelet and GARCH-COPULA

نویسندگان [English]

  • mohammad ali Rastegar 1
  • mohammad okeinezhad 2
1 Assistant Prof., Financial Engineering,Tarbiat Modares University, Tehran, Iran
2 MSc. Student in financial engineering, Faculty of Management, University of Khatam, Tehran, Iran
چکیده [English]

The purpose of our paper is to show how investors can used the multi-scale nature of assets into their portfolio decisions. We decompose weekly return series of 3stocks listed in the Tehran stock exchange Index (TSE) from 2011 to 2014 into different time scales to separate short-term noise from long-run trends. We decompose data by applying wavelet Transform techniques. Then, we apply ARIMA(p,d.q)_GARCH(1,1)_Copula to determine return and Value at Risk (VaR). The process first extracts the filtered residuals and variance from each return series with an ARIMA and asymmetric GARCH model, then constructs the sample marginal cumulative distribution function (CDF) of each asset using a Gaussian kernel estimate for the interior and a generalized Pareto distribution (GPD) estimate for the upper and lower tails. A Student's t copula is then fit to the data and used to induce correlation between the simulated residuals of each asset. Finally, the simulation assesses the Value-at-Risk (VaR) of the equity portfolio over a different horizon. We to get the best weight of each stock in the portfolio. We have identified the best VAR based ratio.In this study, we had predicted a portfolio for each time horizon according to risk and return portfolio. Our results provide evidence that accounting for the multi-scale nature of return distributions in portfolio decisions might be a promising approach from a portfolio performance perspective.
JEL: G32, G11
How to cite this paper: Rastegar, M. A., & Okeinezhad, M. (2017). The Impact of the Investment Horizon in Optimizing Portfolio using Wavelet and GARCH-COPULA. Journal of Risk Modeling and Financial Engineering, 2(3), 340–361. (In Persian)

کلیدواژه‌ها [English]

  • investment horizon
  • portfolio risk
  • Wavelet
  • GARCH-COPULA

امین‌غفاری قره‌شیروان، م.، و روستا، ش. (1378). کاربرد موجک‌ها در تجزیة سیگنال‌های (توابع زمانی) نامانا. فصلنامة تحقیقات آماری، 7(2)، 213-222.

 تهرانی، ر، محمدی، ش.، و محمدعلی‌زاده، آ. (1390). بررسی رابطة بین بازدة سهام و تورم در بورس اوراق بهادار تهران در زمان-مقیاس‌های مختلف با استفاده از تبدیل موجک. پژوهشنامة اقتصادی، 11(2)، 225-244.

راعی، ر.، و محمودی آذر، م. (1392). پیش‌بینی بازدة آتی بازار سهام با استفاده از مدل‌های آریما، شبکة عصبی و نویززدایی موجک. فصلنامة علمی پژوهشی مدیریت مالی و تامین مالی، 2(2)، 1-16.

وکیلی فرد، ح.، و شیرازیان، ز. (1393). تاثیر افق سرمایه‌گذاری روی تخصیص دارایی بین استراتژی‌های رشدی و ارزشی در بورس اوراق بهادار تهران با استفاده از تجزیه وتحلیل موجک. فصلنامة علمی پژوهشی مهندسی مالی و مدیریت اوراق بهادار، 6(21)، 131-148.

Aggarwal, S. K., Saini, L. M., & Kumar, A. (2008). Electricity Price Forecasting in Ontario Electricity Market Using Wavelet Transform in Artificial Neural Network Based Model. International Journal of Control, Automation, and Systems. 6(5), 639–650.

Aminghafari ghare shirvan, M., & Roosta, Sh. (1999). Using Wavelets and Splines to Forcast Non-stationary Time Series. Journal of Statistical Research, 7)2(, 213-222. (In Persian).

Barone-Adesi, G., Giannopoulos, K., & Vosper, L. (1999). VaR without Correlations for Non-linear Portfolios. Journal of Futures Markets, 19(5), 583-602.

Brooks, C. (2008). Introductory Econometrics for Finance. CAMBRIDGE UNIVERSITY PRESS.

Cherubini, U., Luciano, E. & W. Vecchiato (2013). Copula Methods in Finance, John Wiley, NY.

Dacjman, S., Festic, M., & Kavkler, A. (2012). European Stock Market Comovement Dynamics During Some Major Financial Market Turmoils in the Period 1997 to 2010, A Comparative DCC-GARCH and Wavelet Correlation Analysis. Journal of Economics Letters, 19(13), 1249–1256.

Dacorogna, M., Gencay, R., Muller, U. A., Pictet, O. V. T., & Olsen, R. B. (2001). An Introduction to High Frequency Finance, Academic Press, San Diego, CA.

Kim, S., & In, F. (2005) The Relationship between Stock Returns and Inflation: New Evidence from Wavelet Analysis. J. Empir. Financ., 12(2), 435–444.

Kupiec, P. H. (1995). Techniques for Verifying the Accuracy of Risk Measurement Models. The J. of Derivatives, 3(2), 10-19.

Lee, C. F., WU. C., & Wei. K. C. J. (1990). The Heterogeneous Investment Horizon and the Capital Asset Pricing Model: Theory and Implications. Journal of Financial and Quantitative analysis, 25(2), 361-376.

Longin, F., & Solnik, B. (1995). Is the Correlation in International Equity Returns Constant: 1960–1990. Journal of International Money and Finance, 14(1), 3–26.

Raei, R., & Mahmoudi Azar, M. (2014). Forecasting Stock Index with Neural Network and Wavelet Transform. Journal of Asset Management and Financing, 2(2), 1-16. (In Persian)

Markowitz, H. (1959). Portfolio Selection: Efficient Diversification of Investments, John Wiley & Sons, New York.

McNeil, A., & Frey, R. (2000). Estimation of Tail-related Risk Measures for Heteroscedastic Financial Time Series: An Extreme Value Approach. Journal of Empirical Finance, 7(3), 271-300.

Meng, K., Dong, Z. Y., & Wong, K. P. (2009). Self-Adaptive Radial Basis Function Neural Network for Short-term Electricity Price Forecasting. IET Generation Transmission & Distribution, 3(4), 325–335.

Tehrani, R., Mohammadi, Sh., & Mohammad Alizadeh, A. (2010). Investigating the Relationship between Stock Returns and Inflation in Tehran Stock Exchange at Different Times Using Wavelet Transform. journal of Economic Research, 11(2), 225-244. (In Persian)

Palaro, H., & Hotta, L.(2006). Using Conditional Copula to Estimate Value at Risk. Jornal of Data Science ,4(1), 93-115.

Polikar, R. (1996). Fundamental Concept and an Oveview of the Wavelet Theory Wavelet Tutorial. Second Edition. Rowan University. Coollege of Engineering Web Servers. Glassboro. Nj. 08028.

Ramsey, J. B. (1999). The Contribution of Wavelets to the Analysis of Economic and Financial Data. Philos. Trans. R. Soc. Lond. Ser. A Math. Phys. Eng. Sci., 357, 2593–2606.

Vakilifard, H., & Shirazian, Z. (2014). The Effect of Investment Horizon on Asset Allocation between Growth and Value Strategies in Tehran Stock Exchange by Using Wavelet Analysis. Journal of Financial Engineering and Management of Securities, 6(21), 131-148. (In Persian).

Soltani, S. (2002). On the Use of the Wavelet Decomposition for Time Series Prediction. Neurocomputing, 48(1), 267–277.

Berger, T. Fieberg, C. (2016). On Portfolio Optimization: Forecasting Asset Covariances and Variances Based on Multi-scale Risk Models. The Journal of Risk Finance, 17)3(, 295-309.

Yang, S. Y. (2005). A DCC Analysis of International Stock Market Correlations: The Role of Japan on the Asian Four Tigers. Applied Financial Economics Letters, 1(2), 89–93.

Zhang, F. (2006). Information Uncertainty and Stock Returns. the journal of finance, 61(1), 105-137.