دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

ارائه پرتفوی بهینه با استفاده از استراتژی مدیریت پوشش ریسک و الگوریتم زنبور عسل در شرایط تحلیل از دوره های قبل و بعد از تحریم ها

نوع مقاله : مقاله پژوهشی

نویسندگان
سید حامد نیاکان 1
امیرحسین تائبی نقندری 2
حدیث زینلی 2
1 دانشجوی دکتری گروه حسابداری، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران
2 استادیار گروه حسابداری، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران
10.22034/jik.2025.78416.4725
چکیده
هدف این پژوهش ارائه روشی نوین برای مدیریت و پوشش ریسک سبد سهام در شرایط اقتصادی مختلف، شامل دوره‌ های قبل و بعد از تحریم‌ های اقتصادی است. سرمایه‌گذاران معمولاً به دنبال اوراق بهاداری با ریسک کمتر و بازده بالاتر هستند و برای دستیابی به این هدف، تنوع ‌بخشی در دارایی‌های مالی و استفاده از ابزارهای مدیریت ریسک ضروری است. از سوی دیگر، تحریم ‌ها تأثیرات متفاوتی بر صنایع مختلف دارند؛ برخی صنایع از تحریم‌ها منتفع می‌شوند، درحالی‌که سایر صنایع متضرر می‌گردند. روش این پژوهش مبتنی بر استفاده از الگوریتم زنبور عسل (ABC) به‌عنوان یکی از الگوریتم ‌های فراابتکاری است که با الهام از رفتار طبیعی زنبورهای عسل در جستجوی غذا طراحی شده است. برای تجزیه‌ و تحلیل داده ‌ها و بهینه ‌سازی پرتفوی، استراتژی پوشش ریسک سبد سهام به‌کار گرفته شد. داده‌ های مربوط به این پژوهش از سال 1393 تا 1402 شامل دوره‌ های قبل و بعد از تحریم جمع‌ آوری شدند و الگوریتم زنبور عسل با زبان برنامه ‌نویسی Python در محیط Visual Studio Code اجرا شد. نتایج این پژوهش نشان داد استفاده از الگوریتم زنبور عسل و استراتژی مدیریت پوشش ریسک، و می تواند با ایجاد بهینه ‌ترین ترکیب دارایی‌ها، ریسک سبد را کاهش دهد و بازدهی مطلوبی را فراهم کند. و به‌ عنوان یک ابزار قدرتمند و ارزشمند نه تنها در مدیریت روزمره دارایی‌ ها، بلکه در تمامی شرایط از جمله شرایط بحرانی نیز برای تصمیم گیری و انتخاب پرتفوی بهینه برای سرمایه‌گذاران فراهم نماید.

عنوان مقاله English

Providing an optimal portfolio using a hedging management strategy and the honey bee algorithm in the analysis of periods before and after sanctions

نویسندگان English

Seyed Hamed Niakan 1
Amir Hossein Taebi Naghandari 2
Hadis Zeinali 2
1 PhD Student, Department of Accounting, Kerman Branch, Islamic Azad University, Kerman, Iran
2 Assistant Professor, Department of Accounting, Kerman Branch, Islamic Azad University, Kerman, Iran
چکیده English

The aim of this research is to introduce an innovative method for managing and hedging portfolio risks across diverse economic conditions, including periods before and after economic sanctions. Investors generally aim to acquire securities with lower risks and higher returns. To achieve this, diversification of financial assets and utilization of effective risk management tools are necessary. Economic sanctions, however, impact industries differently; certain sectors may thrive, while others experience challenges. Therefore, understanding these effects is crucial for making informed investment decisions. This research utilizes the artificial bee colony algorithm (ABC), a meta-heuristic approach inspired by the behavior of bees in their search for food. The algorithm is applied to optimize portfolios by implementing hedging strategies to reduce risks effectively. The data for this study spans from 2014 to 2019, capturing periods before and after sanctions, and the algorithm was programmed using Python in the Visual Studio Code environment.
The findings revealed that the honey bee algorithm, combined with hedging strategies, contributes to significantly reducing portfolio risks while enhancing asset returns. This method develops the optimal combination of assets, ensuring desirable outcomes for investors. Moreover, this research highlights that the honey bee algorithm is versatile and adaptable, making it an efficient tool for navigating various economic scenarios. It proves valuable not only for day-to-day asset management but also during periods of economic uncertainty. It serves as a reliable decision-making tool, ensuring robust portfolio management and enhancing investment strategies under challenging conditions influenced by sanctions.

  • تشدیدی، الهه؛ سپاسی، سحر؛ اعتمادی، حسین؛ آذر، عادل، 1398، ارائه رویکردی نوین در پیش بینی و کشف تقلب صورت های مالی با استفاده از الگوریتم زنبور عسل،https://civilica.com/doc/1017777
  • جعفری ندوشن، عباسعلی؛ عظیمی حصاری، فاطمه؛ رستگاری، زهرا؛ 1402، برآورد ریسک سرمایه گذاری در یک پرتفوی متشکل از ارز دیجیتال و فیات و بهینه سازی آن با استفاده از روش ارزش در معرض خطر،نهمین کنفرانس بین المللی مهندسی صنایع و سیستم­ ها، مشهد، https://civilica.com/doc/1772956
  • حمیدیه، علیرضا، کاویانی؛ میثم، اخگری، بهاره،1402،بهینه سازی استوار پرتفوی تحت معیار ارزش در معرض ریسک شرطی فاصله‎ای (ICVaR) در بورس تهران،https://civilica.com/doc/1888317
  • رحمانپور؛ ابراهیم، عابد؛ بهاره، الفتی؛ سمیرا. (1400). اثرگذاری تحریم‌های تجاری بر شاخص سهام در صنایع مختلف پذیرفته شده در بورس اوراق بهادار. راهبرد مدیریت مالی، 9(3)، شماره پیاپی 34، 161-176.
  • شریفی، یاسر؛ توحیدی, محمد؛ حامدی، میثم . (1403). شناسایی و اولویت‌بندی راهکارهای بازیابی اعتماد سرمایه‌گذاران به بازار سرمایۀ جمهوری اسلامی ایران. مدیریت دارایی و تامین مالی، 12(3), 41-60، doi: 10.22108/amf.2024.139517.1831
  • فرزانگان، الهام. (1397). استراتژی‌های پوشش ریسک قیمت سکه بهار آزادی: مقایسه بین رویکردهای ADCC، GO-GARCH و GARCH مبتنی بر کاپولا، فصلنامه پژوهش‌های اقتصادی ایران، سال بیست و سوم، شماره 75، صفحات 166-137.
  • فریدونی؛ فرشید، دارابی؛ رویا، انواری رستمی، علی اصغر. (1399). کاربرد الگوریتم هوش مصنوعی در پیش‌بینی هموارسازی سود. پژوهش‌های حسابداری مالی و حسابرسی*، 12(45)، 103–134.
  • منتظری پرچکانی، ر. (1402). الگوریتم فراابتکاری اجتماع ذرات در بهینه‌سازی پورتفوی. نشریه رهیافت‌ های نوین در مدیریت و حسابداری 7(89)، 180-169.

 

  • Arash Habibi & Chin Lee. (2019), Asymmetric Effects of Exchange Rates on Stock Prices in G7 Countries, Capital Markets Review, Malaysian Finance Association, vol. 27(1), pages 19-33.
  • Basher, S. A., &Sadorsky, P. (2016), Hedging emerging market stock prices with oil, gold, VIX, and bonds: A comparison between DCC, ADCC and GO-GARCH. Energy Economics, 54, 235-247.
  • Chen, Yi & Zhou, Aimin & Das, Swagatam. (2021). Utilizing Dependence among Variables in Evolutionary Algorithms for Mixed-Integer Programming: A Case Study on Multi-Objective Constrained Portfolio Optimization. Swarm and Evolutionary Computation. 66. 100928. 10.1016/j.swevo.2021.100928.
  • Chen, Yi & Zhou, Aimin. (2022). Multiobjective portfolio optimization via Pareto front evolution. Complex & Intelligent Systems. 8. 10.1007/s40747-022-00715-8.
  • Deng, Yulin, Hongfeng Xu, and Jie Wu. "Optimization of blockchain investment portfolio under artificial bee colony algorithm." Journal of Computational and Applied Mathematics 385 (2021): 113199.
  • Karwa, Lakshya, IS Tarun Kumar, and P. Hemashree. "Enhancing Stock Portfolio Optimization Based on a Hybrid Approach Using Artificial Bee Colony Optimization and Firefly Optimization." In International Conference on Artificial Intelligence and Knowledge Processing, pp. 75-87. Cham: Springer Nature Switzerland, 2023.
  • Lakhmani, Ashish. "Nature inspired algorithmic strategies for portfolio optimization." (2024).
  • Lee, Yen-Hsien, Huang, Ya-Ling & Wu, Chun-Yu. (2014), Dynamic Correlations and Volatility Spillovers between Crude Oil and Stock Index Returns: The Implications for Optimal Portfolio Construction, International Journal of Energy Economics and Policy, Vol. 4, No. 3, pp:327-336.
  • Martínez, María del Carmen & Soriano Román, Rafael & Martin Cervantes, Pedro Antonio. (2022). Should risk-averse investors target the portfolios of socially responsible companies?. Oeconomia Copernicana. 13. 439-474. 10.24136/oc.2022.014. Malik, F., & Ewing, B. T., & Payne, J. E. (2005), Measuring volatility persistence in the presence of sudden changes in the variance of Canadian stock return, Canadian Journal of Economic s, 38(4), PP. 1037-1056.
  • Saleh, Gehan. (2008). the Dynamic Relation between Stock Prices and Exchange Rates in Egypt, Saudi Arabia and UAE, PHD Thesis in Economics. University of Illinois at Chicago.
  • Yousaf, I., Elie Bouri, S. & Nehme, A. (2021). Gold against Asian Stock Markets during the COVID-19 Outbreak. Journal of Risk and Financial Management 14: 186.