دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

مدیریت ریسک نوسانات ارز خارجی با استفاده از روش‌ بهینه‌سازی چند هدفه کلونی زنبورعسل مصنوعی مبتنی بر ارزش در معرض ریسک شرطی

نوع مقاله : مقاله پژوهشی

نویسندگان
مهدی کریمی موحد 1
نرگس یزدانیان 2
سیدعلیرضا میرعرب 3
هدی همتی 3
1 دانشجوی دکتری رشته مهندسی مالی، دانشگاه آزاد اسلامی، واحد رودهن، گروه مدیریت و حسابداری، رودهن، ایران.
2 استادیار، دانشگاه آزاد اسلامی واحد رودهن، گروه مدیریت و حسابداری، رودهن، ایران.
3 استادیار، دانشگاه آزاد اسلامی واحد رودهن، گروه مدیریت و حسابداری، رودهن، ایران
10.30495/jik.2024.76226.4451
چکیده
امروزه نوسانات نرخ ارز، بر کسب و کارها تاثیر بسزایی دارد که مدیریت ریسک آن حائز اهمیت است. از این رو، هدف این پژوهش، بررسی ریسک نوسانات ارز خارجی با استفاده از روش‌ بهینه‌سازی چند هدفه کلونی زنبورعسل مصنوعی مبتنی بر ارزش در معرض ریسک شرطی است. این پژوهش، از نظر هدف کاربردی و از نظر شیوه گردآوری اطلاعات، توصیفی و پس رویدادی است. ارزهای مورد مطالعه در این پژوهش شامل دلار آمریکا، پوند انگلیس، درهم امارات، لیر ترکیه، یوان چین و یورو در بازار ایران در بازه زمانی 1395 الی 1400 بوده است. طبق یافته‌های پژوهش، در بهینه‌سازی سبد مربوط به ارزها، سبدهای ارز انتخابی با کمینه ریسک تشکیل شده است. مجموعه جواب بدست آمده از اجرای مدل این پژوهش با توجه به تعداد دفعات مربوط به چرخش الگوریتم، متفاوت بوده و در بهترین جواب، کمترین مقدار CVaR مربوط به ارز درهم امارات بوده است. طبق یافته‌های پژوهش پیشنهاد می‌شود در ترکیب پرتفوی، بیشترین درصد ارزی مربوط به درهم امارات باشد.
کلیدواژه‌ها
نوسانات ارز خارجی
ارزش در معرض ریسک شرطی
روش‌های بهینه‌سازی
کلونی زنبورعسل مصنوعی

عنوان مقاله English

Risk management of foreign currency fluctuations using the multi-objective optimization method of Artificial Bee Colony based on the CVaR

نویسندگان English

mahdi karimi movahed 1
narges yazdanian 2
seyed alireza mirarab 3
Hoda Hemmati 3
1 Ph.D Candidate of Financial engineering, Department of Management and Accounting, Rudehen Branch, Islamic Azad University, Rudehen, Iran
2 Assistant Professor, Department of Management and Accounting, Rudehen Branch, Islamic Azad University, Rudehen, Iran
3 Assistant Professor, Department of Management and Accounting, Rudehen Branch, Islamic Azad University, Rudehen, Iran
چکیده English

Today, exchange rate fluctuations have a significant impact on businesses, and risk management is important. Therefore, the purpose of this research is to investigate the risk of foreign exchange fluctuations using the multi-objective optimization method of the artificial bee colony based on the conditional risk value. This research is practical in terms of purpose and descriptive and post-event in terms of data collection method. in terms of post-event analysis method. The currencies studied in this research included the USD, GBP, AED, TRY, CNY and EUR in the Iranian market in the period 2016 to 2022. According to the findings of the research, in the optimization of the portfolio related to currencies, selected currency portfolios with minimum risk are formed. The set of answers obtained from the implementation of the model of this research was different according to the number of rotations of the algorithm, and in the best answer, the lowest value of CVaR was related to the AED currency. According to the findings of the research, it is suggested that in the composition of the portfolio, the highest currency percentage should be related to the AED.

کلیدواژه‌ها English

Foreign currency fluctuations
Conditional Value at Risk
Optimization methods
Artificial Bee Colony
  • بذرائی، مریم؛ قویدل، صالح؛ امام وردی، قدرت‌اله؛ محمودزاده، محمود، (1400). پوشش ریسک قیمت سهام صنایع بورسی با نرخ ارز (چند رشته‌ای صنعتی، بانک و سرمایه‌گذاری). فصلنامه اقتصاد مالی، 15 (54)، 83-105.
  • بهنیا، المیرا، (1398). پوشش ریسک متقاطع ارز بوسیله سبد ارزی با استفاده از الگوریتم ژنتیک. پایان‌نامه کارشناسی ارشد، دانشگاه تربیت مدرس، دانشکده مهندسی صنایع و سیستم‌ها.
  • بیات، علی؛ اسدی، لیدا، (1396). بهینه‌سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکویتز. مجله مهندسی مالی و مدیریت اوراق بهادار، 8 (32)، 63-85.
  • تسلیم‌پور، علی، (1398). بهینه‌سازی پرتفوی در بورس اوراق بهادار تهران با استفاده از الگوریتم چندهدفه کلونی زنبورعسل مصنوعی مبتنی بر کوواریانس. پایان‌نامه کارشناسی ارشد، دانشگاه شهید بهشتی، دانشکده مدیریت و حسابداری.
  • تقوی، امیر؛ پهلوانی، مصیب؛ زمانیان، غلامرضا؛ بشیری، سحر، (1401). اثرات نامتفارن سیاست پولی و نوسانات ارز با لحاظ ارزش افزوده اقتصادی بر بازده سهام بورس اوراق بهادار تهران. نشریه مطالعات و سیاست های اقتصادی، 18، 172-296.
  • دبیری، سیده مریم؛ جمالی، امیرحسین، (1397). بررسی تاثیر نوسانات نرخ ارز بر بازده غیرعادی سهام در صنعت مواد و محصولات دارویی در بورس اوراق بهادار تهران. همایش پژوهش‌های مدیریت و علوم انسانی در ایران، دوره 4، 23 اسفندماه 1397.
  • دولو، مریم؛ داوری، مهدی، (1397). تغییر پایدار نرخ ارز، متغیر حالت و ریسک درماندگی. فصلنامه مدیریت دارایی و تامین مالی، 6 (4)، 103-120.
  • ذوالفقاری، مهدی؛ سحابی، بهرام، (1395). بررسی تاثیر نوسانات نرخ ارز بر ریسک بازدهی سهام صنایع خودرو، معدن و سیمان برپایه انتقالات رژیمی مارکوف. مجله مهندسی مالی و مدیریت اوراق بهادار، 7 (29)، 85-106.
  • رادمهر، المیرا، (1399). بهبود الگوریتم چندهدفه کلونی زنبورعسل مصنوعی برای شناسایی بازیگران کلیدی در شبکه‌های اجتماعی پویا. پایان نامه کارشناسی ارشد، دانشگاه علم و صنعت ایران، دانشکده مهندسی صنایع.
  • رحیمی، رحمان؛ اکبری، آیدا، (1402). بهینه‌سازی سبد سهام با الگوریتم‌های مختلف. نشریه چشم انداز حسابداری و مدیریت، 6 (79)، 48-55.
  • رهنمای رودپشتی، فریدون؛ چاوشی، کاظم؛ صابر، ابراهیم، (1393). بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک بورس اوراق تهران با رویکرد الگوریتم ژنتیک. فصلنامه دانش سرمایه‌گذاری، 3 (12)، 217-232.
  • شیری قهی، امیر؛ دیده خانی، حسین؛ خلیلی دامغانی، کاوه؛ سعیدی، پرویز، (1396). مطالعه تطبیقی مدل بهینه‌سازی پرتفوی چنددوره‌ای چند هدفه در محیط اعتبار فازی با معیارهای متفاوت ریسک. مجله راهبرد مدیریت ریسک، 5 (18)، 1-26.
  • صرافی زنجانی، محمد؛ مهرگان، نادر، (1397). اثر نامتقارن ریسک نرخ ارز بر شاخص سهام صنایع صادرات محور با استفاده از مدل NARDL. فصلنامه تحقیقات مدل‌سازی اقتصادی، 9 (33)، 89-116.
  • طالبی، آرش، (1389). انتخاب و بهینه سازی سبد سهام با استفاده از روش‌های فراابتکاری و مقایسه آن با سبدهای تشکیلی خبرگان و تازه کارها در بازار بورس اوراق بهادار تهران. پایان‌نامه کارشناسی ارشد، دانشکده مدیریت، دانشگاه صنعتی شاهرود.
  • علیزاده، حمید؛ لاریجانی، معصومه، (1398). بررسی تاثیر ریسک ارزی بر عملکرد بانک ملت از طریق نقش میانجی هوش مالی. نشریه رویکردهای پژوهشی نوین در مدیریت و حسابداری، 3 (12)، 34-49.
  • محمدی، ایمان؛ محمدی خشوئی، حمزه؛ آقائی چادگانی، آرزو، (1401). بهینه‌سازی پرتفوی در فضای حباب بازار سرمایه، کاربردی از الگوریتم کلونی زنبورعسل. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 13 (53)، 153-172.
  • موسوی، سمیه السادات؛ جعفری ندوشن، عباسعلی؛ کاظمی راشنانی، مرضیه؛ محمدطاهری، مهسا، (1400). بهینه‌سازی سبد چند نوع دارایی براساس ارزش در معرض ریسک شرطی با استفاده از الگوریتم کلونی مصنوعی زنبورعسل مصنوعی. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 49، 461-483.
  • مهرانی، آزاده؛ نجفی مقدم، علی؛ باغانی، علی، (1400). برآورد ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (CoVaR) بورس اوراق بهادار تهران با رویکرد استفاده از توزیع فریشه (FD). فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 12 (46)، 449-475.
  • ناصری‌نژاد، مرتضی، (1395). اندازه‌گیری ریسک سبد ارزی بانک و مدیریت آن بوسیله بهینه‌سازی سبد- مطالعه موردی بانک تجارت. پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس، دانشکده مهندسی صنایع و سیستم‌ها.
  • Allayannis, G., J. Ihrig, & Weston, J. (2001). Exchange-Rate Hedging: Financial vs. Operational Strategies. American Economic Review Papers and Proceedings, 91 (2), 391–395.
  • Berg, L., & Clement, L. (2018). The Natural effect of multi-currency cross-hedging, an alternative hedging strategy for small- and medium-sized enterprises? Master’s thesis of Science in Finance. Lund University, School of Economics and Management.
  • Bai, Y., Zhang, Ch., & Bai, W. (2023). A two-level parallel decomposition-based artificial bee colony method for dynamic multi-objective optimization problems. Applied soft computing, 147, 110741. Doi: https://doi.org/10.1016/j.asoc.2023.110741.
  • Chen, X., Tianfield, H., & Li, K. (2019). Self-adaptive differential artificial bee colony algorithm for global optimization problems. Swarm and Evolutinary Computation. 45, 70-91. Doi: https://doi.org/10.1016/j.swevo.2019.01.003.
  • Chu, X., Cai, F., Gao, D., Li, L., Cui, J., Xu, S.X., & Qin, Q. (2020). An artificial bee colony algorithm with adaptive heterogeneous competition for global optimization problems. Applied soft computing, 93, 106391. https://doi.org/10.1016/j.asoc.2020.106391.
  • Cura, T. (2021). A rapidly converging artificial bee colony algorithm for portfolio optimization. Knowledge-Based Systems, 233, 107505, https://doi.org/10.1016/j.knosys.2021.107505.
  • Dimoski, J., Fleten, S.E., Lohndorf, N., & Nersten, S. (2023). Dynamic hedging for the real option management of hydropower production with exchange rate risks. OR Spectrum, 45, 525-554. DOI: 10.1007/s00291-023-00709-z.
  • González, F. (2016). Bank regulation and risk-taking incentives: An international comparison of bank risk. Journal of Banking and Finance, 29, 1153- 1184.
  • Hadi Muhi, S., Sabah Khilkhal, N., & Khodhair Abbas, Y. (2023). Extreme risks and its impact on exchange rates and its reflex on the value of the company (an applied study). Scientific Research Journal of Economics and Business Management, 3 (3), 80-87.
  • Hou, J., & Liu, L. (2017). An Improved Multi-Objective Artificial Bee Colony Optimization Algorithm with Regulation Operators. Information, 8 (1), 18. Doi: https://doi.org/10.3390/info8010018.
  • Hsieh, T.J., Hsiao, H.F., & Yeh, W.C. (2011). Forecasting stock markets using wavelet transforms and recurrent neural networks: an integrated system based on artificial bee colony algorithm. Soft Comput, 11 (2), 2510–2525.
  • Hull, J. (2015). Risk Management and Financial Institutions. 4th ed. Hoboken, New Jersey: John Wiley & Sons, Inc.
  • Jiang, Ch., Yung, Sh., Nie, P., & Xiang, X. (2023). Multi-objective structural profile optimization of ships based on improved Artificial Bee Colony Algorithm and structural component library. Ocean Engineering, 283, 115124. Doi: https://doi.org/10.1016/j.oceaneng.2023.115124.
  • Kamau, Ph., Inanga, E.L., & Rwegasira, K. (2015). Currency risk impact on the financial performance of multilateral banks. Journal of Financial Reporting and Accounting, 13 (1), 91– 118.
  • Karaboga, D., & Akay, B. A. (2009). Comparative study of artificial bee colony algorithm, Math. Comput, 214 (1), 108–132.
  • Karaboga, D., & Basturk, B. (2008). On the performance of artificial bee colony (ABC) algorithm, Soft Comput. 8 (1), 687–697.
  • Konak, A., Coit, D.W., & Smith, A.E. (2006). Multi-objective optimization using genetic algorithms: a tutorial, Reliab. Syst. Saf. 91 (9), 992–1007.
  • Kumar, D., & Mishra, K.K. (2017). Portfolio optimization using novel co-variance guided Artificial Bee Colony algorithm. Swarm and Evolutionary Computation, 33, 119-130. http://dx.doi.org/10.1016/j.swevo.2016.11.003.
  • Moneta, F., & Kim, D. (2021). Long-Term Foreign Exchange Risk Premia and Inflation Risk. International Review of Financial Analysis, Vol. 78, Available at: http://dx.doi.org/10.2139/ssrn.3677302
  • Nicita, A. (2013). Exchange Rates, International Trade and Trade Policies. UNITED NATIONS CONFERENCE ON TRADE AND DEVELOPMENT.
  • Papaioannou, M. (2006). Exchange Rate Risk Measurement and Management: Issues and Approaches for Firms. International Monetary Fund, IMF working paper.
  • Sarykalin, S., Serraino, G. & Uryasev, S. (2008). Value-at-Risk vs. Conditional Value-at-Risk in Risk Management and Optimization. INFORMS Tutorial in Operations Research, 270-294. Doi: https://doi.org/10.1287/educ.1080.0052.
  • Wang, J., Liu, Y., Rao, Sh., Zhou, X., & Hu, J. (2023). A novel self-adaptive multi-strategy artificial bee colony algorithm for coverage optimization in wireless sensor networks. Ad Hoc Networks, 150, 103284. Doi: https://doi.org/10.1016/j.adhoc.2023.103284.
  • Xiang, Y., Zhou, Y., & Liu, H. (2015). An elitism based multi-objective artificial bee colony algorithm. European Journal of Operational Research, 245 (1), 168-193. Doi: 1016/j.ejor.2015.03.005.