دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

ارائه الگوی انتخاب سبد سهام در بازار سرمایه ایران با استفاده از تئوری داده بنیاد

نوع مقاله : مقاله پژوهشی

نویسندگان
صدراله اسماعیلی 1
رضا رستمی نیا 2
اله کرم صالحی 3
1 گروه مدیریت، واحد مسجدسلیمان، دانشگاه آزاد اسلامی، مسجدسلیمان، ایران
2 گروه حسابداری، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران
3 گروه حسابداری، واحد مسجدسلیمان، دانشگاه آزاد اسلامی، مسجدسلیمان، ایران
10.30495/jik.2024.77825.4576
چکیده
انتخاب سبد سهام مناسب برای سرمایه‌گذاری در بازار سرمایه ایران همواره یکی از چالش‌های اصلی سرمایه‌گذاران بوده که به دلیل پیچیدگی ، نیازمند تحلیل و بررسی دقیق است. اگر چه تا کنون برای انتخاب سبد سهام از مدل‌های ریاضی مبتنی برالگوهای چندعاملی، ‌تصمیم‌گیری‌های چند معیاره و مدل‌های هوش مصنوعی استفاده شده است، اما از روش‌های کیفی برای تدوین الگوی مفهومی سبد سهام کمتر استفاده شده است. بنابراین در این پژوهش تلاش شده است تا الگوی انتخاب سبد سهام براساس نظریه داده بنیاد طراحی گردد. به این منظور در سال 1402 با استفاده از رویکرد نمونه‌گیری هدفمند (گلوله برفی) با 20 نفر از خبرگان دانشگاهی، مدیران و کارشناسان ارشد تالار بورس اوراق بهادار تهران که در زمینه بازار سرمایه صاحب نظر و دارای تجربه بوده‌اند، مصاحبه‌‌های عمیق تا مرحله اشباع صورت گرفت. داده‌‌‌‌های پژوهش با استفاده از روش کدگذاری سه مرحله ای باز، محوری و گزینشی مورد تجزیه و تحلیل قرار گرفت و الگوی پارادایمی استخراج گردید. براساس این الگو مهمترین شرایط علی که ‌می‌تواند در انتخاب سبد سهام موثر باشد، ویژگی‌ها و ترجیحات سرمایه‌گذار، محدودیت‌های بازار، بازارهای موازی و عوامل پشتیبان و تسهیل‌کننده است. همچنین، برای دستیابی به انتخاب سبد بهینه سهام باید راهبرد‌هایی مانند شناسایی فرصت‌های سرمایه‌گذاری، تعیین استراتژی‌های معاملاتی، تنوع بخشی دارایی‌ها و مدیریت سرمایه اتخاذ گردد. سرانجام، الگوی پژوهش نشان داد که انتخاب سبد سهام در بازار سرمایه ایران پیامدهایی از قبیل افزایش بازده، مدیریت ریسک، حفظ ارزش سرمایه، تشویق ‌سرمایه‌گذاری، کارآیی بازار سرمایه و رشد و توسعه اقتصادی کشور را در پی داشته باشد.
کلیدواژه‌ها
انتخاب سبد سهام‌
بازار سرمایه
نظریه داده بنیاد

عنوان مقاله English

Presenting the Stock Portfolio Selection Model in the Iranian Capital Market using Grounded Theory

نویسندگان English

Sadrolla ٍEsmaili 1
Reza Rostaminia 2
Allah Karam Salehi 3
1 Department of management, Masjed-Soleiman Branch, Islamic Azad University, Masjed-Soleiman , Iran
2 Department of accounting, Shoushtar Branch, Islamic Azad University, Shoushtar, Iran
3 Department of Accounting, Masjed-Soleiman Branch, Islamic Azad University, Masjed-Soleiman, Iran
چکیده English

Choosing the appropriate stock portfolio for investing in Iran's capital market has always been one of the main challenges for investors, which requires careful analysis due to its complexity and uncertainty. Although mathematical models based on multi-factor models, multi-criteria decision-making, and artificial intelligence models have been used to select the stock portfolio, qualitative methods have been used less to develop the conceptual model of the stock portfolio. Therefore, in this research, an attempt has been made to design the stock portfolio selection model based on the Grounded theory. For this purpose, in 2023, using the snowball sampling method, in-depth interviews were conducted with 20 university experts, managers, and senior experts of the Tehran Stock Exchange, who were experts and experienced in the capital market, up to the suffusion stage. The research data was analyzed using the open, axial and selective three-step coding method, and a paradigm model was extracted. According to this model, the most important causal conditions that can be effective in choosing a stock portfolio are investor characteristics and preferences, market limitations, parallel markets, and supporting and facilitating factors. Also, to achieve the selection of the optimal stock portfolio, strategies such as identifying investment opportunities, determining trading strategies, asset diversification, and capital management should be adopted. Finally, the research model suggested that the choice of stock portfolio in Iran's capital market has consequences such as increasing yield, risk management, maintaining capital value, encouraging investment, capital market efficiency, and economic growth and development of the country.

کلیدواژه‌ها English

Stock selection
Capital market
Grounded theory

  1. 1.        آذر، عادل، جلالی، رضا و خسروانی، فرزانه. (1400). کاربرد تحلیل پوششی داده‌ها (DEA) در تعیین پرتفویی از کارامدترین و ناکارامدترین شرکت‌های حاضر در بورس اوراق بهادار تهران.  پژوهش های مدیریت در ایران، 17(1): 1-19. doi:20.1001.1.2322200.1392.17.1.1.5

    2.        آسیابی اقدم، لیلا؛ رحیم زاده، اشکان؛ فلیحی، نعمت؛ رجایی، یدالله. (1400). انتخاب سبد دارایی‌ سهام مبتنی بر روش‌ اقتصاد رفتاری (مورد مطالعه بازار بورس تهران). اقتصاد مالی، 15(55): 190-155.

    3.        امیرآزاد، میرحافظ؛ برادران حسن‌زاده، رسول؛ محمدی، احمد؛ تقی‌زاده، هوشنگ. (1397). الگوی مفهومی عوامل مؤثر بر کیفیت گزارشگری مالی در ایران به روش نظریه پردازی زمینه بنیان، پژوهش‌‌های حسابداری مالی، 10(38)، 21-48.

    4.        تقی زاده، کامران، صالحی، اله کرم، و ملاعلیزاده زواردهی، صابر. (1401). ارزیابی سبد پرتفوی بهینه با کاربرد معیارهای بازار با استفاده از معیارهای تصمیم گیری چند معیاره تحت شرایط عدم قطعیت در بازار سرمایه ایران. پیشرفت های مالی و سرمایه گذاری، 3(6)، 101-128. 10.30495/afi.2022.1943264.1057   doi:

    5.        تقی زاده، کامران، صالحی، اله کرم، و ملاعلیزاده زواردهی، صابر. (1400). ارزیابی سبد پرتفوی بهینه با کاربرد معیارهای حسابداری با استفاده از معیارهای تصمیم گیری چند معیاره تحت شرایط عدم قطعیت در بازار سرمایه ایران. دانش مالی تحلیل اوراق بهادار، 14(3)، 133-156. SID. https://sid.ir/paper/950843/fa

    6.        خان محمدی, محمد حامد؛ اسدی, اصغر و محسنی دهکلانی, نرگس. (1397). پویایی شوک بازارهای موازی با بازار سهام بر بازدهی سهام (رویکرد مدلهای تغییر پارامتر زمان) . چشم انداز مدیریت مالی، 8(23)، 61-85.

    7.        راعی، رضا، باجلان، سعید و عجم، علیرضا. (1397). بررسی کارآیی بهینه‏سازی سبد سرمایه‏گذاری با استفاده از الگوی ترکیبی حداقل واریانس وN/1  مدیریت دارایی و تامین مالی، 6(4): 155-166 . doi: 10.22108/amf.2018.108507.1216

    8.        راعی، رضا؛ باجلان، سعید و عجم، علیرضا. (1400). بررسی کارایی مدل N/1 در انتخاب پرتفوی. تحقیقـات مـالی، 23(1): 1-16. doi: 10.22059/JFR.2018.245590.1006548

    9.        شمس لاهرودی، سیدحسن، احمدی‌، حسن‌ و فکروند لیل آبادی، مهرناز (1397). فصلنامه علمی تخصصی رویکردهای پژوهشی نوین در مدیریت و حسابداری, دوره 2 شماره 8 : 100-87.

    10.    فاتح پور، راضیه,، حمیدیان، محسن، شاهوردیانی، شادی، نجفی مقدم, علی و حاجیها، زهره. (1402). پویایی پرتفوی سرمایه‌گذاری بر اساس شاخص نقدشوندگی دارایی‌ها با استفاده از فرآیند ‏بنچ‌مارک. دانش سرمایه‌گذاری، 12(46): 43-69.

    11.    فرید، داریوش، دهقانی فیروزآبادی، ابوالفضل، عندلیب اردکانی، داود. (1400) تحلیل عوامل مؤثر بر انتخاب سبدسهام با استفاده از رویکرد برنامه ریزی ترجیحات فازی لگاریتمی. نشریه علمی پژوهشی مدیریت فردا، 20(66): 90 -79.

    12.    قاسمی، احمد رضا و احمدی, سید حسین. (1395). انتخاب سبد سهام با کمک مدل مارتل و زاراس و رویکرد تلفیقی تصمیم‌گیری چندشاخصه و خوشه‌بندی: مورد بررسی صنعت دارو. پژوهش در مدیریت تولید و عملیات، 7(2): 173-198. doi: 10.22108/jpom.2016.21101

    1. محمدی، پریسا. (1398). اولین کنفرانس بین المللی مدیریت دانش، بلاکچین و اقتصاد‌.

    14.    مرادی، محمد؛ یحیائی، منیره ( 1399). تدوین الگوی انتخاب حسابرس مستقل در ایران. بررسی‌های حسابداری و حسابرسی، 27(2): 258-287.

    15.    مصطفائی درمیان، سبحان و دعائی، میثم. (1400). ارائه رویکردی مبتنی بر بهینه‌سازی تصادفی به منظور حل مساله انتخاب سبد سهام در بازار سرمایه ایران با استفاده از الگوریتم‌های فراابتکاری. نظریه های کاربردی اقتصاد، 8(4): 253-284. doi: 10.22034/ecoj.2022.47049.2913

    16.    موسوی، سید فرید، جلیل زاده اقدم‌، افشین‌، خلیلی دامغانی، کاوه، گازری نیشابوری، آرزو. (1401). توسعه مدل دو هدفه انتخاب سبد سهام چند دورهای با در نظر گرفتن شاخصهای ریسک، پژوهش‌های نوین در ‌تصمیم‌گیری‌، 7(3): 138-119 .  doi:20.1001.1.24766291.1401.7.3.5.0

    17.    موسوی کاخکی، وحید و خطابی، ساناز. (1403). ارائه الگوی بهینه‌سازی سبد سهام بر اساس ترجیحات رفتاری و حافظه سرمایه‌گذار. تحقیقات مالی، 26(1)، 158-131.  doi: 10.22059/frj.2023.354113.1007438

    18.    یادگاری، خالد، صالحی، اله کرم، امیری، هوشنگ و خنیفر، حسین. (1401). تدوین مدل هشداردهی حسابرسان با استفاده از نظریه داده بنیاد. پژوهش های تجربی حسابداری، 12(3): 161-180. doi: 10.22051/jera.2021.34134.2768

    19.    یزدانی خداشهری محمدباقر، نسل موسوی سید حسین، حسینی شیروانی میرسعید. (1400). انتخاب بهینه سبد سهام با استفاده از الگوریتم ترکیبی فرا ابتکاری. تحقیق در عملیات در کاربردهای آن. ۱۸ (۱) :۱۰۱-۱۲۴. doi: 20.1001.1.22517286.2021.18.1.8.1

    20.  Alzaman, C. (2024). Deep learning in stock portfolio selection and predictions. Expert Systems with Applications, Volume 237, Part B, 121404. https://doi.org/10.1016/j.eswa.2023.121404

    21.    Ashrafi, H., and Thiele, AC. (2021). A study of robust portfolio optimization with European options using polyhedral uncertainty sets. Operations Research Perspectives, 8:100178. https://doi.org/10.1016/j.orp.2021.100178

    22.  Bellini, F., and Di Bernardino, E. (2017). Risk management with expectiles. Eur. J. Finance, 23, 487–506.

    23.  Calvo C, Ivorra C, Liern V (2016). Fuzzy portfolio selection with non-financial goals: exploring the efficient frontier. Ann Oper Res, 245(1–2):31–46

    24.  Cesarone, F., Tardella, A. (2017). Equal risk bounding is better than risk parity for portfolio selection. J. Global Optim. 68, 439–461

    25.    Chen, Y-T. and Yang, H-Q. (2020). Multi-period mean-variance portfolio selection with practical constraints using heuristic genetic algorithms. International Journal of Computational Economics and Econometrics, 10(3): 209 – 221, doi: 10.1504/IJCEE.2020.108382

    26.  Creswell JW. (2014). Qualitative Inquiry and Research Design: Choosing Among Five Approaches, (4th Ed.). Sage

    27.  De Nard, G., Ledoit, O. and Wolf, M. (2021). Factor Models for Portfolio Selection in Large Dimensions: The Good, the Better and the Ugly. Journal of Financial Econometrics, 19 (2): 236–257. doi: 10.1093/jjfinec/nby033

    28.  Doaei, M.; Dehnad, K. and Dehnad M. (2024). A hybrid approach based on multi-criteria decision making and data-based optimization in solving portfolio selection problem. available at Research Square. https://doi.org/10.21203/rs.3.rs-2576724/v1

    29.  El Kharrim, M. (2024). Quantitative framework for shariah-compliant multi-period fuzzy portfolio optimization: a sustainable approach to ethical investing, Journal of Islamic Accounting and Business Research, Vol. ahead-of-print No. ahead-of-print. https://doi.org/10.1108/JIABR-02-2024-0052

    30.  Fong, W. Lean, H. and Wong, W., (2008). Stochastic Dominance and Behavior toward Risk: The Market for Internet Stocks.Economic Behavior & Organization. pp. 142-157.

    31.  Lee, W.-S., Huang, A. Y., Chen, C.-C., & Cheng, C.-M. (2008). Financial Investment Strategy by DEMATEL and Analytic Network Process. Yuan Ze University, 63, 1-32.

    32.  Markowitz, HM. (1952). Portfolio selection. J Finance 7(1):77–91. https:// doi. org/ 10. 2307/ 29759 74

    33.  Mehrani, K.; Mirshahvalad, A. and Abbasi, E. (2019). Comparison of the Accuracy of Black Hole Algorithms and Gravitational Research and the Hybrid Method in Portfolio Optimization, International Journal of Finance and Managerial Accounting, 4(14), 111-126.

    34.  Mehrani, K.; Mirshahvalad, A. and Abbasi, E. (2020). Portfolio Optimization Using Black Hole Meta Heuristic Algorithm. Specialty Journal of Accounting and Economics, 5(2), 1-13.

    35.  Puerto, J., Rodríguez-Madrena, M. and Scozzari, A. (2020).  Clustering and portfolio selection problems: A unified framework. Computers and Operations Research, 117. 104891 

    36.  Oikonomou, I., Platanakis, E., & Sutcliffe, C. (2018). Socially responsible investment portfolios: Does the optimization process matte The British Accounting Review, 50(4), 379-401

    37.    Rahiminezhad Galankashi, M., Mokhatab Rafiei, F. and Ghezelbash, M. (2020). Portfolio selection: a fuzzy-ANP approach. Financial Innovation, 6:17, 1-34. https://doi.org/10.1186/s40854-020-00175-4

    38.  Romanko, O., Narayan, A. and Kwon, R. H. (2023).  ChatGPT‑Based Investment Portfolio Selection. Operations Research Forum, 4:91: 1-27. https://doi.org/10.1007/s43069-023-00277-6

    39.    Ruchika, S. and Aparna, M. (2020). Robust portfolio optimization with second order stochastic dominance constraints. Computers & Industrial Engineering, 144.  106396. https://doi.org/10.1016/j.cie.2020.106396

    40.    Salo, A.; Doumpos, M.; Liesiö, J. and Zopounidis, C. (2024). Fifty years of portfolio optimization. European Journal of Operational Research, 318, 1-18. https://doi.org/10.1016/j.ejor.2023.12.031

    41.  Strauss, A., Corbin. J. (1998). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory, 2nd Ed., Sage.