روش های چندمعیاره برای انتخاب بهینه سبد سهام

روش های چندمعیاره برای انتخاب بهینه سبد سهام بر اساس مدل قیمت گذاری دارایی سرمایه ای (CAPM)

چکیده:

مدت‌های طولانی است که رابطه بازده ریسک به عنوان ستون فقرات مدیریت پرتفوی محسوب می‌شود. واحدهای اقتصادی برای مصونیت در برابر ریسک نامطلوب پرتفوی‌ها را به عنوان بخشی از استراتژی کاهش ریسک ایجاد کرده و پوشش داده‌اند. با وجود این، معیارهای ریسک به کار رفته در مقالات فعلی بدون اتفاق نظر برای انتخاب معیار ریسک به طور گسترده بحث شده‌اند. در این تحقیق به روش های چندمعیاره برای انتخاب بهینه سبد سهام بر اساس مدل قیمت گذاری دارایی سرمایه ای (CAPM)پرداخته شده است. تعداد شاخص های تصمیم گیری ، تنوع معیارهای کمی و کیفی و لزوم در نظر گرفتن همزمان آنها، اهمیت اثرات و پیامدهای تصمیم و عواملی نظیر آن بر پیچیدگی تصمیم ها می افزاید. از این رو بالاخص در دو دهه اخیر ، روش های ریاضی و دانش کامپیوتر در حل مسائل تصمیم گیری به یاری آنان شتافته و تکنیک ها و فنون تصمیم گیری چند معیاره و سیستم های پشتیبان تصمیم گیری را ایجاد نموده اند. مدل قیمت گذاری دارایی سرمایه ای(CAPM) به مدت سی سال بر نظریه مالی حاکم بوده است.این مدلاظهار می کند که بتای بازار به تنهایی برای توضیح بازده سهام کافی است .با این وجود شواهد نشان می دهد که روند بازده سهام نمی تواند صرفاً با مدل قیمت گذارایی دارایی سرمایه ای یک عامله توصیف شود. لازم است از شاخص های مختلف استفاده شود.

واژگان کلیدی: سبد سهام، مدل قیمت گذاری دارایی سرمایه ای، روش تصمیم گیری چندمعیاره

مقدمه:

یک سرمایه گذار منطقی بایستی تجزیه و تحلیل کمی را انجام دهد و دارایی های خود را در بخش های مختلفی تقسیم نمایند. برای تصمیم گیری میزان منابع مناسب برای تخصیص به دارایی ها، لازم است که بر روی ترکیبی از منابع، سرمایه گذاری نمایند. علاوه بر این، پیچیدگی تصمیم گیری، به هزینه های معامله، گزینه های منصفانه و همبستگی بین آنها، توجه شود (هالیت و همکاران1، 2018).

تصمیمات سرمایه گذاری یک تصمیم گیری پیچیده است که در این زمینه از تکنیک ها و و ابزارهای مختلفی استفاده می شود. در تکنیک های مختلف برای مدیریت سبد سهام، سعی کنترل ابهام و کاهش ریسک، افزایش بازده در بازار سرمایه می باشد. بدین منظور سعی می شود که از معیارهای مناسب برای تصمیم گیری استفاده نمایند. در تصمیمات سرمایه گذاری، سهامدارن، در صدد کاهش آنتروپی ها در تصمیمات خود، هستند(جالوتا و همکاران2، 2017).

مدت‌های طولانی است که رابطه بازده ریسک به عنوان ستون فقرات مدیریت پرتفوی محسوب می‌شود. واحدهای اقتصادی برای مصونیت در برابر ریسک نامطلوب پرتفوی‌ها را به عنوان بخشی از استراتژی کاهش ریسک ایجاد کرده و پوشش داده‌اند. با وجود این، معیارهای ریسک به کار رفته در مقالات فعلی بدون اتفاق نظر برای انتخاب معیار ریسک به طور گسترده بحث شده‌اند. در گذشته در چارچوب میانگین و واریانس (MV)، مورد آخر به عنوان عاملی برای ریسک به کار می‌رود، اینطور فرض می‌شد که سرمایه گذار در ریسک‌های صعودی و نزولی دارای وزن‌های یکسان است. از طرف دیگر، چارچوب ریسک نامطلوب (DR) اساساً به نگرانی سرمایه گذار برای مصونیت در برابر نرخ فاجعه بار بستگی دارد. انگیزه بررسی این دو چارچوب در بازار نوسان دار از این موضوع نشأت گرفته است که معیارهای مناسب ریسک در بازارهایی که دارای عدم قطعیت زیاد هستند برای افراد و سازمان‌ها بسیار حیاتی است. بسیاری از سرمایه گذارن در زمان وقوع نوسان قیمت دچار نگرانی می‌شوند و استراتژی‌های سرمایه گذاری آن‌ها بر حسب تخصیص دارایی زیر سؤال می‌رود. علاوه بر این در مطالعات قوی باید مسائل مختلف در ارتباط با بهینه سازی پرتفوی در هر دو چارچوب مد نظر قرار داده شود، مطالعات قبلی فاقد این ویژگی هستند. این راه حل‌ها در مقالات متفاوت پیشنهاد شده‌اند با این حال به یک مطالعه جامع مانند مدل سازی مالی برای سرمایه گذاران، نهادهای سرمایه گذاری و محققان نیاز است. اصولاً تخصیص دارایی در بازارهای مالی باعث می‌شود که سرمایه داران صاحب ارزش شوند (ایوب و همکاران، 2015).

در راستای بررسی های پرتفوی سهام، جدا از ماهیت تصادفی قیمت سهام و مکانیزم مجهول بین تغییرات قیمت سهام به صورت انفرادی، در همه کارها شامل سهام‌ هستند، یک هدف مشترک بازده بالا، ریسک پایین و عملکرد سازگار، را دنبال کرده اند (چن و سرتو، 2012). می توان بیان کرد بازده سهام، به عوامل مختلفی مرتبط بوده است. برای مثال، باروسو و سانتاکلار 3(2015) نشان دادند که بین پرتفوی با دید کوتاه مدت و نسبت B/Pرابطه ی منفی وجود دارد. برخی مطالعات به بررسی استراتژی های حرکتی سهام، با بررسی ترکیبی از دو معیار برای تصمیم گیری پرداخته اند(پاتری و همکاران4، 2018).مشکل تخصیص منابع مالی در مدیریت پرتفوی از طریق بررسی هایی از سوی مارکویتز5 (1952) مورد توجه بوده است. نظریه مارکویتز (1952) یک راه حل ساده را برای تحصیص منابع ارائه می‌دهد. در عمل، یک تصویر مشخصی از میانگین واریانس، که وابسته به گذر زمان است، ارائه نمی دهد(چن و سزتو، 2012).از زمانی که مارکوویتز تحقیق خود را، منتشر کرد، تحقیقات تئوری و تجربی بسیاری دربارة بهینه سازی پورتفولیو با توابع مطلوبیت و محدودیت ها و سنجه های گوناگون ریسک انجام شده است (یو و همکاران6، 2009). براساس تکنیکهای بهینه ‌سازی، بسیاری از الگوریتمها برای استخراج سبدهای مختلف مطرح شده اند (چن-هائو و چی-هانگ7، 2017).

یکی از روش هایی که به سرمایه گذاران در تبیین ریسک و بازده سرمایه گذاری کمک می کند، استفاده از مدل قیمت گذاری دارایی های سرمایه ای است . این مدل توسط ویلیام شارپ در سال 1960معرفی گردید . در مدل شارپ که در این مقاله مدل استاندارد قیمت گذاری دارایی های سرمایه ای نامیده می شود، اثر ریسک سیستماتیک بر پرتفوی سرمایه گذاری توسط ضریب بتا که به وسیله تحلیل رگرسیونی بازده پرتفوی و بازده پرتفوی مبنا محاسبه می شود مورد ارزیابی قرار می گیرد. این مدل بسیار مورد توجه سرمایه گذاران و تحلیلگران مالی قرار گرفته است مدل قیمت گذاری دارایی‌های سرمایه‌ای ارائه دهنده چارچوبی برای بیان رابطه ریسک و بازده و میزان صرف ریسک است. با فرض وجود بازار سرمایه کارا، قیمت گذاری پرتفوی بازار در هر برهه‌ای از زمان، منعکس کننده رابطه تعادلی اتفاق نظر بازار پیرامون ریسک و بازده مورد انتظار است(مجتهدزاده و امامی، 1389).

شواهد قابل‌ملاحظه‌ای در مورد فرضیه بازار کارا در چهار دهه اخیر ثبت شده‌است.ادبیات گسترده بر روی ناهنجاری‌های ارزش نشان داده‌است که نه تنها ناهنجاری‌های ارزش در بازارهای سهام یک پدیده جهانی هستند، بلکه کارایی نسبی معیارهای ارزش‌گذاری متفاوت در هر بازار سهامی می تواند تغییر کند و دوره‌های پرتفوی مورد بررسی می تواند تحت تاثیر ناهنجاری های مختلف برای ارزش گذاری قرار بگیرد. با توجه به تنوع نتایج، لازم است که چندین معیار برای ارزیابی عملکرد، مورد بررسی قرار داده شوند.عملکرد نسبی سبدها را براساس معیارهای ارزیابی چندگانه، موردبررسی قرار گیرد (پاتاری و همکاران، 2018).

با وجود شاخص های مختلف برای ارزش گذاری قیمت سهام، می توان از معیارهای مختلفی استفاده کرد. در این راستا، بکارگیری روش های تصمیم گیری چندمعیاره، از قبیل روش مقیاس میانه مقیاس ها (MS)، روش تحلیل پوششی داده ها (DEA)، روش تحلیل سلسله مراتبی (AHP)، روش تعیین الویت با یک راه حل ایده آل ( TOPSIS)، منجر به بررسی بهتر ارزش اوراق بهادار می گردد(پاتری و همکاران، 2018).

انتخاب سهام مناسب جهت خرید و فروش بمنظور کسب عایدات بیشتر مهمترین موضوع سرمایه‌گذاران در بازار بورس اوراق بهادار می‌باشد، این در حالیست که در شرایط کنونی بسیاری از سرمایه‌گذاران براساس شایعات بازار و اخبار غیررسمی اقدام به خرید سهام می‌نمایند. در این شرایط ارائه مدلی که بتواند سرمایه گذاران را در امر تصمیم گیری کمک رساند، ضروری می‌باشد. از آنجا که مدل‌های موجود هر یک دارای مشکلاتی در بکارگیری می‌باشند، بنابراین با ارائه یک روش ترکیبی، می توان معیارهای مناسب برای مدیریت پرتفوی را شناسایی کرد. در این پژوهش به مروری معیارهای بهینه سازی پرتفوی بر اساس مدل قیمت گذاری دارایی سرمایه ی پرداخته می شود.

2-ادبیات تحقیق:
2-1- ریسک و بازده سهام

مباحث زیادی پیرامون تعریف و معنای واژه ریسک وجود دارد و حقیقتا یک تعریف که توسط همگان برای این واژه در مقالات دانشگاهی پذیرفته شده باشد، وجود ندارد (حاجیجی و سیوان کومار8، 2009،لهتیرانتا9 ،2014). تعاریف ریسک اغلب از تعاریفی که تمرکز خود را بر روی نتایج منفی بالقوه عدم وجود قابلیت پیش بینی در محیط کسب و کار معطوف می کنند (جابلونوسکی10 2006) تا تعاریفی که عنوان می دارند ریسک نشان دهنده گوناگونی نتایج است ( که ممکن است مثبت یا منفی باشد ( جعفری11 2001، اوسیپووا و اریکسون12 2013)متغیر است . عدم قطعیت واژه ای است که اغلب می توان آن را بهجای ریسک استفاده کرد (سیدو و فرنکل13 2013) یا به عنوان عنصر تعریف ریسک به چشم می خورد. برای مثال “ما ریسک را به صورت کلی به عنوان عدم قطعیت موجود در ذات نتایج بالقوه برای یک موجودیت کسب و کار در نظر می گیریم”(حاجیجی و سیواکومار 2009). ا

هولتون (2004) عنوان می دارد که ریسک شامل دو جزء الزامی قرار گرفتن در معرض خطر و عدم وجود قطعیت می باشد . در صورتی که بخواهیم ریسک موجود باشد هر دوی این عناصر باید حاضر باشند. قرار گرفتن در معرض خطر مستلزم این است که سود شخصی در یک نتیجه وجود داشته باشد و در صورتی که احتمالی به چشم بخورد که نتیجه مدنظر را نمی توان با قطعیت به دست آورد،عدم قطعیت وجوددارد . آون14( 2010) بازه ای از تعاریف را خلاصه سازی می کند که عنوان می دارد ریسک اساسا شامل موارد مقابل است : یک رویداد، نتایج و احتمالات (یا عدم قطعیت ها).

ریسک در تقریبا تمام فعالیت‌های تجاری ذاتی است. سازمان‌ها در معرض انواع مختلفی از ریسک هستند که ناشی از تصمیمات مالی، انتخاب‌های سرمایه‌گذاری و فعالیت‌های عملیاتی هستند (لیانا و همکاران15، 2018).

در طول سال ها، ریسک های متفاوت شناسایی شده است و با استفاده از روش های گوناگونی طبقه بندی شده است . حاجیجی و سیواکومار (2009) عنوان بیان کرده است که ریسک را می توان در سطحی وسیع تر بر حسب علت بروز آن، طبقه بندی کرد : خارجی (اعمال شده از خارج سازمان ) داخلی (داخل شرکت). ریسک های داخلی به عنوان ریسک هایی در نظر گرفته می شوند که مسائلی همانند گرایشات مدیریتی و اقدامات سازمانی را پوشش می دهند( حاجیجی و سیواکومار 2009) و می توان آنها را به عنوان مسائلی در نظر گرفت که منابع انسانی یک شرکت و عدم قطعیتهای مربوط به این عوامل را در بر میگیرد. در روشی دیگر ، دیون (2013) ،ریسک را طبقه در چارچوب طبقه بندی ریسک عملیاتی ، مسائل مربوط به کارمندان (همانند خطاهای کارمندان ) در نظر گرفته است. در این نوع از طبقه بندی، منابع انسانی اغلب به عنوان عنصر ریسک سازمانی به صورت محدود در نظر گرفته می شوند. در طول نیم‌قرن گذشته مطالعات متعددی برای توصیف، توضیح و پیش‌بینی اشکال مختلف کسب‌وکار و ریسک سازمانی انجام شده‌است (هاسکیسون و همکاران16، ۲۰۱۷).

در تعاريف خـــاص ، ريسک و عـدم اطـمينان متفاوت از ‌‌يکديگر‌ است اما در ادبيات مالي اين دو اصطلاح مترادف تلقي مي شوند اين‌ درحالي‌ است‌ که همواره ريسـک و بـازده به همديگر وابسته است . در اينـجا چـند تعريف از ريسک شامل‌ «ترديد از نـتايج آينـده »، «احتمـال يک نتيجه بــد»، «احتمال انحراف از بازده مورد‌ انتظار»که در تمامي‌ حالات‌ و تعاريف با انجام يک مديريت صحيح مي توان اين احتمال را به قطعيت تبديل کرد. ريسـک هـا به دو دسته عمـــده شـامل ريســـک هاي سيستمـــاتيک و ريسک هاي غير سيستماتيک تقسيم مي‌ شود که انواع ريسک و منابع عمده ايجاد آن بصورت تفضيلي در جدول زير ارائه شده است (روح العلوم، 1395).

جدول1- مفهوم ریسک (روح العلوم، 1395).

سهام هاي با قيمت هـاي بـيشتر نـسبت بـه ارزش ذاتـي خـود مانند ارزش اسمي ، سهام داراي‌ صرف‌ سهام يا سهام جذاب‌ ناميده‌ مي شوند. در مقايسه با توزيع بازده مقطعي نسبت به ارزش بازار سهام با صرف ، شواهد حاکي از آن است که صرف سـهام عمدتا در شرکت هاي با چولگي بازده‌ سهام‌ اتفاق مي افتد. چولگي توزيع بازده سهام (مثبت يا منفي ) بيان گر ميزاني از عدم تقارن است که مي تواند نشان دهنده ي صعود يا سقوط قـيمت سـهام (چولگي مثبت ياچولگي‌ منفي‌ ) شرکت باشد‌. بدين معني که تغييرات بزرگ در قيمت بيش تر به صورت کاهش و کم تر به صورت افزايش‌ بوده است . به عبارت ديگر، بازده بـازار بـيش تر در معرض‌ کاهش‌ و کمتر‌ در معرض افزايش بوده است . تجزيه و تحليل هاي پژوهش هاي پيشين ثابت کرده اند که سرمايه گذاران‌ ‌‌به‌ سمت سـهام شـرکت هايي تمايل پيدا مي کنند کـه احـتمال ريزش قيمت در‌ آن‌ ها‌ کمتر باشد به عبارت بهتر سهام داراي صرف باشد و از جذابيت کافي برخوردار باشد (ژانگ‌17 ، ٢٠١٣).

در بسیاری از نظرات عموم، نوسانات به سادگی مترادف با ریسک در نظر گرفته می شود. در نظر آنان نوسانات بالا محکوم می شود، چرا که به معنی ارزش امنیتی هستند که اعتماد و عملکر بازار سرمایه را تحت تاثیر قرار می دهد. مرتون میلر18 (1991) برنده جایزه نوبل اقتصاد در کتاب خود « نوآوی مالی و نوسانات بازار سهام» بیان داشت که نوسانات کلی،بر حرکات بزرگ بازار، به ویژه به سمت پایین منجر می شود. این بازرها بی مهابا با افت قیمت گسترده ایی روبرو می شود(روی19، 2013).

از مؤلفه هاي مهم در تصميمات سرمايه گذاري ارزيابي ريسك و بازده است . اين دو ، اساساٌ دو روي يك سكه اندكه يكي را بدون ديگري نمي توان ارزيابي كرد . رابطه مثبت بين ريسك و بازده بيانگر ريسك گريزي سرمايه گذاران است .بازار سهام به شکل طبیعی چرخه های تجاری و شرایط اقتصادی را منعکس می کند. بر پایه تئوریهای اقتصادی و مالی، قیمت سهام بر اساس ارزش فعلی جریانات نقدی انتظاری اش تعیین می گردد (هان و کومار20،2013). از این رو هر عاملی که ارزش فعلی جریانات نقدی انتظاری سهام را تحت تاثیر قرار دهد، به وضوح بر قیمت سهام اثر گذار خواهد بود. بدین ترتیب زمانیکه اقتصاد در حال رشد و در دوره رونق باشد، قیمت سهام رشد پیدا خواهد نمود و بر عکس طی دوره های رکود اقتصادی قیمت سهام کاهش پیدا خواهد کرد. در این میان جچم معاملات به عنوان یکی از متغیرهای اثر گذار بر قیمت سهام می باشد. شناسايي عوامل مؤثر بر قيمت سهام و تجزيه و تحليل رفتـار قيمتـي سـهام در مقابـل ايـن عوامل، ميتواند به بهبود رونق بازار سرمايه كمك شاياني كرده و در ارزيـابي بهتـر بـورس اوراق بهادار و بهبود و كنترل عملكرد آن مؤثر واقع شود كه اين امر نيز به نوبه خـود مـيتوانـد بخـش عمدهاي از نياز سرمايه گذاران و سهامداران را برآورده كنـد. اگـر بـه منزلـة يـك راه حـل، بتـوان تأثيرات نوسانات داراييهاي جايگزين سهام را بر شاخص قيمت سهام سـنجيد، شـايد بتـوان بـه شناسايي برخي از جنبه هاي بورس اوراق بهادار و عوامـل تأثيرگـذار بـرآن، وقـوف نسـبي يافـت(صالح آبادی و همکاران، 1392).

بازده سهام یکی از معیارهای اساسی برای تصمیم گیـری در بـورس اوراق بهـادار اسـت . بـازده سـهام خـود بـه تنهـایی محتوایی اطلاعاتی دارد که بیشتر سرمایه گذاران بالفعل و بـالقوه در تجزیـه و تحلیـل مـالی و پـیش بینـیهـای خـود از آن استفاده میکنند(گوگردچیان و همکاران، 1396).

نرخ بازده‌ معياري‌ است که بـر اسـاس‌ آن‌ ميتوان سرعت و ميزان افزايش و يا کاهش ثـروت سـهامداران را مـعين کرد و يا بعبارتي نرخ بازده (نرخ عايدي) پارامـتري اسـت براي توصيف نرخ افزايش يا کاهش سرمايه گذاري در طول دوره‌ نگهداري‌ دارايي سرمايه آنان . بـا ذکـر اين تعاريف هرگاه بازده آتي پيش بـيني شـده و در احتمال رخـداد هـريک از پيش بـيني ها ضرب شود و هريک از آنها نـيز بـا يکديگر جمع‌ شوند‌، حاصل آن‌ “نرخ بازده مورد انتظار” خواهد بود. در واقـع نـرخ بازده مورد انتظار، سرمايه گذار را از مـتوسط‌ پاداشي که پيش بيني مـي شـود در طي يک دوره بدست‌ آورد‌ مــــطلع‌ مي سـازد. اين پيش بـيني مي تواند مطابق واقعيت نباشد. اين اختلاف ميان پيش بيني و واقعيت که ‌‌ممکن‌ است نـاشي از تـغيير و تحولات غير قابل پيش بيني بـاشد در اصـطلاح عـدم‌ اطمينان‌ در‌ بازده مـي نـامند. با بياني ديگر هـرگاه رويدادهـاي آتي بطور کامل قابل پيش بيني نباشد‌ و برخي از رويداها به ديگر رويدادها ترجيح داده شوند، مـي گـوييم که ريسک‌ وجود دارد.همانطور که‌ قـبلا‌ تـوضيح داده شد وجـود ريسـک بـدين معناست که براي پيش بـيني آينده ، بيش از يک نتيجه وجود دارد و هيچيک از نتايج نيز قطعي نيست (روح العلوم، 1395).

2-2-مدیریت پرتفوی

سبد سهام یا به اصطلاح فرانسوی، پرتفولیو، ترکیب مناسبی از سهام یا سایر دارایی ها است که یک سرمایه گذار آن را خریداری می کند. مسئله ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه ای از دارایی های موجود، با هدف ماکزیمم کردن بازده مورد انتظار و در عین حال مینیموم کردن ریسک سرمایه گذاری با توجه به قید های گوناگون می باشد (توربیانو21، 2012).

مفهوم بهينه سازي و تنوع سازي نقشي اساسي در توسعه و درک بازارها و تصميمات مالي داشته است .پيشرفت اصلي در سال ١٩٥٢‌ با‌ انتشار تئوري‌ مارکوئيتز براي انتخاب پرتفوي به دست آمـد. اين تـئوري که به تئوري مدرن پرتفوي مشهور است به‌ سؤال اساسي که چگونه سرمايه گذار مي بايد وجوه خود را‌ در‌ انتخاب‌ هاي مختلف سرمايه گذاري کند پاسخ مي دهد. مارکوئيتز ابـتدا نـحوه محاسبه ريسک و بازده اوراق بهادار را ‌‌با‌ استفاده از مقادير آماري بازده و انحراف استاندارد مورد انتظار ارائه کرد و سپس بيان‌ کرد‌ که‌ سرمايه گذاران براي اختصاص وجـوه خـود در سرمايه گذاريهاي مختلف بايد بـه هـر دو عامل‌ ريسک و بازده توجه نمايند. روش ارائه شده توسط مارکوئيتز پرتفوي مشخصي را ارائه‌ نمي دهد بلکه يک‌ سري‌ از پرتفويهاي کارا را مشخص مي کند که با تـوجه بـه ريسک و بازده بهينه هـستند. (کـلم و همکاران22، ٢٠١٤).

يکـي از مشکلات مدیریت پرتفوی ، عدم‌ توجه‌ به ريسک کل پرتفوي است . مديريت پرتفوي به منظور تحقق اهداف سرمايه گذاران ، درپي‌ کـسب‌ سـود‌ و مـديريت ريسک است . سرمايه گذاران اغلب خواستار دستيابي به بالاترين ميزان بـازده درکـمترين سطح‌ ممکن‌ از ريسک ميباشند. نقش بازارهاي مالي و سرمايه اي، جذب نقدينگي بخش خصوصي در‌ قالب‌ پس‌ انداز هـاي انـدک و يا عـمده و هدايت آنها به درون بخش توليدي است . صرف نظر‌ از‌ نوع و روش سرمايه گذاري، دو عـامل پيش بـيني سـرمايه گذار در مورد عوامل‌ قابل‌ بازيافت‌ از سرمايه گذاري و منافع واقعي حاصل از سرمايه گذاري از مهم تـرين ابـعاد تـصميم گيري‌ مالي‌، در بازارهاي مالي و سرمايه ايي محسوب مي شود (دونلسون و رسوتک23 ، ٢٠١٤).

2-3-مدیریت پرتفوی سهام و مدل قیمت گذاری دارایی

تئوري‏هاي سرمايه‏گذاري در چند دهه اخير از پيشرفت‏هاي شاياني برخوردار بوده است و در سير تطور تاريخي خود به فرمول­هاي کاربردي زيادي دست يافته است. گفته مي‏شود که تجارت و سرمايه‏گذاري نيز از نظريه شتاب تاريخ تبعيت مي‏کنند به اين معني که حجم تجارت و سرمايه‏گذاري در قرن بيستم از گسترش خاصي پيروي نموده، به سرعت نيز در حال افزايش است. بي هيچ ترديدي کاربرد فناوري‏هاي موجود و تغييرات آتي در آن در آينده‏اي نه چندان دور بر سرعت و حجم و نحوه کاربرد تجارت تاثيري شگرفت خواهد گذاشت. اين تغييرات موجب شده است تا معيارهاي متفاوتي براي اتخاذ تصميم توسط سرمايه‏گذار در مقايسه با دوره‏هاي گذشته به کار گرفته شود. در شکل (1)فرآيند سرمايه‏گذاري به طور شماتيک نشان داده شده است: (اسلامي بيدگلي، 1389).

شکل1-فرآيند سرمايه‏گذاري (اسلامي بيدگلي، 1389)

تا سالهاي اوليه قرن بييستم، سرمايه‏گذاران جهت اخذ تصميم در فرآيند سرمايه‏گذاري از نسبت‏هاي بازده سرمايه‏گذاري استفاده مي‏کردند. اگر چه اين نسبت‏ها کاربرد زيادي داشتند، ليکن مفاهيم ارزش زماني پول و ريسک سرمايه‏گذاري را ناديده مي‏گرفتند. از دهه 1920 مفهوم ارزش زماني پول با استفاده از روش تنزيلي24 وارد حوزه ادبيات مالي و سرمايه‏گذاري شد. اين روش‏ها تحولي قابل توجه را در انتخاب طرح‏هاي سرمايه‏گذاري به وجود آوردند؛ ليکن همچنان رفتار متفاوت سرمايه‏گذاران در برخورد با ريسک ناديده گرفته مي‏شد، در واقع با وجود اينکه مطلوبيت پول تا حدودي به تکامل معيارهاي انتخاب کمک نموده بود، ليکن هنوز از جامعيت کافي برخوردار نبود.

تا دهه 1950، ريسک يک عامل کيفي شمرده مي‏شد، تا اينکه هري مارکويتز25 براي نخستين بار ريسک را کميت پذير نمود و انحراف معيار جريان‏هاي نقدي طرح‏هاي سرمايه‏گذاري را به عنوان کميت سنجش ريسک معرفي نمود. چندي بعد ويليام شارپ26 دانشجوي مارکويتز، با تبيين ضريب حساسيت بتا به عنوان معيار ريسک، مدل ساده و کاربردي را به دنياي تئوري‏هاي سرمايه‏گذاري عرضه نمود. اين روش امروزه به مدل تک شاخصي معروف است. در ادامه اين روند و در اواسط دهه 1960 ميلادي شارپ و لينتنر27 بر پايه تئوري سرمايه مدلي را توسعه دادند که امروزه تحت عنوان مدل قيمت گذاري دارايي‏هاي سرمايه‏اي شناخته مي‏شود. اين مدل ريسک سيستماتيک و غير سيستماتيک را به عنوان اجزاي اصلي ريسک تجاري از يکديگر تفکيک مي‏کند. در سال 1976، پروفسور استيفن راس28 مدل آربيتراژ29 را پايه گذاري نمود. در اين مدل بازده مورد انتظار و ريسک با يکديگر مرتبط مي‏گردند. در دهه 1970، نظريه بازارهاي کارا به بالاترين درجه نفوذ خود در مطالعات دانشگاهي رسيد. مطالعه دهه 1980 ميلادي، با سازگاري نظريه بازارهاي کارا براي کل بازار سهام با استفاده از مدل‏هاي اقتصاد سنجي با بررسي خواص سري‏هاي زماني قيمت ها، سودهاي نقدي و عايدات پرداختند. هم اکنون مطالعات نظريه نوين مالي درباره مدل سازي چند متغيري سري‏هاي زماني مالي، مدل سازي نوسان پذيري چند متغيري، مدل‏هاي پيوسته زماني، ساختار کلان بازار، ارزش گذاري ابزارهاي مالي جديد و اندازه گيري تمرکز يافته است (راعی و تلنگی، 1393).

از اواسط قرن نوزده ميلادي تئوريسين­ها و مدل پردازهاي کلاسيک به دنبال راهي بودند که بتوان با استفاده از يک سري معيارها و روش‏هاي از پيش تعيين شده، نسبت به انتخاب سهام و تشکيل سبد سهامي اقدام نمود که بيشترين بازده را در مقابل تحمل کمترين مقدار ممکن ريسک به دست آورد. از پيشروان اين امر مي‏توان به کساني از جمله مارکويتز، شارپ و راس اشاره نمود.ماركويتز(1952) اشاره داشت كه مي توان با تشكيل يك پرتفوي در سطح معيني از بازده انتظاري باقي ماند و ريسك كمتري را هم تحمل كرد. عده اي معتقدند كه افزوده بزرگ ماركويتز همين معرفي مساله متنوع سازي مجموعه اوراق بهادار است.

اين روش بر اساس يک سري مفروضات خاصي است که اهم آن گوياي اين است که بازار کارا است و انتشار اطلاعات بصورت يکپارچه و در اختيار همگان است و شفافيت اطلاعات در معاملات حاکم است. مبناي اين روش بر پايه اين استدلال استوار است که احتمال خطر از دست دادن سرمايه يا سود يک نوع سهام در بازار بسيار بيشتر از مجموعه يا ترکيب سهام است. لذا قاعدتاً سرمايه گذار حرفه اي نبايد تمامي سرمايه خود را در يک قلم دارايي سرمايه گذاري کند (منطق اقتصادي نيز اين را تاييد مي کند )، بلکه بايستي آن را در مجموعه اي از سهام يا دارائي‏ها سرمايه گذاري کند که اين مجموعه به پرتفوي معروف است. پرتفوي يا سبد سهام متشکل از سهام متعدد شرکت­هايي است که در شرايط عادي احتمال کاهش بازده همه دارائي‏ها تا حدودي به صفر نزديک است و تلاش‏ها بر اين است که ريسک غير سيستماتيک يا تنوع پذير به حداقل ممکن تقليل يابد. به همين جهت ترکيب پرتفوي بهتر است به گونه­اي باشد که نوسانات مشابهي نداشته باشند، يعني زماني که بازده يکي کاهش پيدا مي کند، بازده ديگري افزايش يابد در اين راستا مراحل زير توسط سرمايه گذار و يا معاملگر در بازار رعايت مي گردد.

1- تعيين بازده مورد انتظار سبد سهام و تک تک سهام

2- ارزيابي وضعيت سهام مختلف و انتخاب آنها

3- بهينه نمودن ترکيب سهام ( پرتفوي )

4- ارزيابي پرتفوي و بازنگري در مجموعه سهام

اساس بيشتر مدل­هاي موجود براي انتخاب پرتفوي در ادبيات مالي را عوامل و فاکتورهاي پيشنهادي ماركويتز(1952) شکل مي‏دهد. از برجسته ترين نکات مورد توجه در مدل ماركويتز(1952) توجه به ريسک سرمايه‏گذاري نه تنها بر اساس انحراف معيار يک طرح بلکه با توجه به ريسک مجموعه سرمايه‏گذاري مي‏باشد. مدل رياضي مارکويتز به شرح زير است(شارپ،1964):

رابطه(1)

که در آن:

λ = درجه ريسک گريزي سرمايه‏گذار

Ei= عايدي مورد انتظار طرح iام

Xi = بخشي از بودجه که در طرح iام سرمايه‏گذاري شده است

Xj=بخشي از بودجه که در طرح jام سرمايه‏گذاري شده است

Cij= j)، Cov(i= کوواريانس سرمايه‏گذاري iبا سرمايه‏گذاري j

تعيين پرتفوي بهينه بر اساس مدل مارکويتز از پيچيدگي­هاي بسياري برخوردار است از جمله حجم وسيع محاسبات و تعدد متغيرها، بگونه‏اي که در يک بازار با Nطرح سرمايه‏گذاري، معادل متغير بايد محاسبه گردد. از طرفي تعيين تاثير ريسک يک سرمايه‏گذاري بر ريسک مجموعه سرمايه‏گذاري مستلزم محاسبه کوواريانس و ضرايب همبستگي بود که به ناچار محاسبات را مشکل و وقت گير مي‏نمود. از سوي ديگر توزيع بازدهي طرح‏ها بر خلاف مفروضات مدل الزاماً از توزيع نرمال تبعيت نمي کنند و علاوه بر اين در مواردي انحراف معيار توزيع قابل محاسبه نمي باشد(اسلامي بيدگلي،1389). به عبارت ديگر، تئوري مدرن پرتفوي، توسط ريسك و بازدهي هميشه نمي تواند واقعيت هاي بازارهاي سرمايه گذاري را نشان دهد. چندي بعد بخاطر نواقص و مشکلاتي که مدل مارکويتز در خود داشت، ويليام شارپ با تبيين ضريب بتا به عنوان معيار ريسک، مدل خود را ارائه نمود.

در مدل مارکويتز ريسك يك سبد سهام تابعي از واريانس هر سهم، كوواريانس آن با سهام ديگر و درصد سهم در سبد است. بازده سبد سهام ميانگين بازده سهام در سبد است. براي محاسبه ريسك سبد، واريانس هر سهم و كوواريانس آن با سهام ديگر بايد حساب شود. ويليام شارپ براي سادگي محاسبات روش ديگري ابداع كرد. در اين روش بازده هر سهم از دو بخش به دست مي آيد، بخش اول حاصل ضرب بازده بازار و ضريبي بنام بتا است. بخش دوم مستقل از بازار است. در ادامه مدل برنامه ريزي رياضي شارپ ارائه گرديده است(شارپ، 1978):

رابطه (2)

که در آن:

λ = درجه ريسک گريزي سرمايه‏گذار

Ep= بازدهي مورد انتظار پرتفوي

Ei= عايدي مورد انتظار طرح iام

Xi = بخشي از بودجه که در طرح iام سرمايه‏گذاري شده است

bp= ريسک پرتفوي

bi= نسبت کوواريانس عايدي طرح iام با بازار به واريانس بازار

مدل تک شاخصي بر فرضيه وجود ارتباط خطي معني دار بين بازدهي مورد انتظار پرتفوي و بازدهي مورد انتظار بازار استوار است(اسلامي بيدگلي،1389).

مدل کوواريانس مارکويتز (1952) و مدل خطي شارپ (1978) قادر به تعيين پرتفوي کارا مي‏باشند اما سرمايه‏گذار را در انتخاب پرتفوي­هايي که با ترجيحات وي بهترين تناسب را داشته باشد، ياري نمي دهند. ارجحيت سرمايه‏گذار به عنوان مجموعه‏اي از اهداف براي پرتفوي همانند صنعت و… به راحتي نمي­تواند در مدلهاي فوق ادغام گردد.شايد در شرايطي سرمايه‏گذار اهدافي به غير از بيشينه سازي صرف ارزش مالي داشته باشد. بعنوان مثال يک نرخ رشد ثابت از ارزش پرتفوي يا يک نسبت سود پرداختني حداقلي را دنبال کند. (اسلامي بيدگلي، 1389)

تخمین بازده مورد انتظار سهام برای بسیاری از تصمیمات مالی از قبیل پیش بینی هزینه سرمایه برای تصمیمات سرمایه گذاری،مدیریت پورتفوی،بودجه بندی سرمایه ای و ارزیابی عملکرد مهم و با اهمیت است. مدل هایی که اغلب برای برآورد هزینه سرمایه استفاده می شوند نسخه کلاسیک CAPMشارپ(1964)،لینتر30(1965) وموسسین31(1966) هستند که توسط گراهام وهاروی32(2001) گزارش شده اند.

مدل قیمت گذاری دارایی سرمایه ای نشان می دهد روند تغییر در بازده سهام می تواند فقط با بتای بازار توضیح داده شود . در حالی که در تحقیق قبلی(فاما و فرنچ33، 1992؛استرانگ و ژو34، 1997؛جاگانتان و ونگ35، 1996؛لتتو و لودویگسون362001) شواهد بیشتری بوده است که نشان می دهد روند بازده سهام نمی تواند به طور کامل تنها با عامل بتا شرح داده شود. مطالعات قبلی نشان می دهدکه متوسط نرخ بازده سهام علاوه بر بتای بازار، با اندازه ی شرکت(بنز371981)،نرخ سود به قیمت38(بسو، 198339) نسبت ارزش دفتری به سرمایه بازار (روسن برگ،401985)و رشد فروش گذشته(لکونیشوک ات آل،411994) مرتبط است. بازده سهام همچنین ویژگی معکوس بلند مدت(دیبونت وتالر،421985) و گشتاوری کوتاه مدت(جگادش و تیتمان، 431993)را نشان می دهد.

در صدر این خلاف قاعده ،محققان عملکرد مدل های جایگزین را که درباره ی بازده سهام می تواندبهتر توضیح دهد ،بررسی کرده اند. در ادبیات قیمت گذاری دارایی ، این مدل سه مسیر جداگانه می گرفت 1: مدل چند عامله،که تعدادی عامل به نرخ بازده بازار از قبیل حجم44 بین مدل قیمت گذارایی دارایی سرمایه مرتون451973و مدل فاما و فرنچ(1992) اضافه می کند.2: نظریه قیمت گذاری آربیتراژ راس46 (1997) و 3: مدل ناپارامتری که از ادبیات CAPMانتقاد می کند و مشمول گشتاور اضافی توصیف شده توسط هاروی و سیدیک47 (2000) ودیتمار48 (2002) است.

فاما و فرنچ (1992) بیان می کنند که دو متغیر یعنی ،اندازه شرکت و نسبت ارزش دفتری به بازار توضیح بهتری درباره ی مقدار میانگین روند بازده سهام نسبت بهCAPMفراهم می آورد . در نتیجه، فاما و فرنچ (1993) با اضافه کردن حساسیت های متوسط بازده سهام به اندازه شرکت و نسبت ارزش دفتری به بازار مدل تک عامله را به مدل سه عامله گسترش می دهند. این نشان می دهد که مدل قیمت گذاری سه عامله49(TFPM) می تواند نابه هنجاری های50 بزرگتر بازار را به جز گشتاور غیر عادی51ثبت کند.(فاما و فرنچ 1996؛اسنس 199752)

علاوه بر این ، جگادش و تیتمان53(1993،2001)استدلال می کنند که شواهد مهمی وجود دارد که نشان می دهد عملکرد سهامی را می توان خوب یا بد در نظر گرفت که یک تا سه سال تغییرات قابل توجهی (خوب یا بد) را برای دوره ی بعدتجربه نکند. استراتژی تجارت گشتاوری که این پدیده را به کار می گیرد همیشه در ایالات متحده امریکا و در بازار نوظهور سود آور بوده است. در پاسخ به این شرایط،کارهارت54 (1997) مدل قیمت گذاری چهار عامله55(FFPM) را برای توضیح بازده متوسط سهام با اضافه کردن گشتاور (کشیدگی و چولگی) در مدل فاما و فرنچ پیشنهاد داد.

با نارضایتی بر روی مدل تک عامله قیمت گذاری دارایی برای توضیح بازده سهام مورد انتظار،مطالعات قبلی بیان می کرد انحراف ازتهاتر56ریسک و بازده مدل قیمت گذاری دارایی سرمایه ای ارتباطی میان متغیر های دیگر،اندازه شرکت(بنز، 1981) ،بازده کسب شده(بسو1977و 1983)،اهرم (بهنداری، 571988) ونسبت ارزش دفتری شرکت به ارزش بازار(استاتمن58، 1980؛روزنبرگ و همکاران59، 1985؛چن و همکاران60، 1991)دارد. به خصوص بسو (1977،1983 ) بنز (1981) رینجنیوم61 (1981) لکونیشوک و شپیرو62 (1986) کتو وشالهیم63 (1985) و ریتر64 (2003) مطالعات تجربی را درباره ی اثر بازده تحصیل شده و اندازه شرکت در برابر بازده سهم هدایت می کند

فاما و فرنچ مدل سه عامله ای پیشنهاد می دهند که درآن انتظارات بازده دارایی به حساسیت بازده بر بازده بازار و بازده دو پورتفویی بستگی دارد که جایگزین65 به عنوان یک عامل ریسک اضافی به اندازه شرکت و نسبت BE/MEاشارهمی کند. استفاده از هر دو جایگزین توسط هیبرمن و کندل1987 وچان ات آل1985حمایت می شود. راجع به جایگزین پورتفوی اندازه شرکت(66SMB)، ، هیوبرمن و کندل(1987) بیان می دارند همبستگی که بین بازده سهام وبازده سهام کوچک67وجود دارد، توسط بازده بازار شناخته نمی شود. در حالی که در موضوع سرمایه دفتری بالا به بازار(HML68)،چان و همکاران بیان میکنند که همبستگی بین بازده و سطح رکود69نسبتاً ثابت است ،وقتی کهبا نسبت BE/MEاندازه گیری شود،پورتفوی بازار شناخته نمی شود.

استفاده از جایگزین پورتفوی سهام های برنده(70WML) برای توضیح بازده سهام توسط جگادش و تیتمان (1993) انجام شده است که نشان می دهد پیوستگی هاییبین نرخ های بازده و عملکرد سهام وجود دارد که در دوره های قبل با پورتفوی بازار،اندازه شرکت وعوامل نسبی رکود شناسایی نمی شوند. علاوه بر این ،کارهارت (1997) بیان می کند که نرخ مازاد بازده یک پورتفوی بازار سهاممی تواند باسه گشتاور ومدل های طراحی شده برای تقلید اندازه متغیر های ریسک مرتبط با اندازه شرکت ،نسبت ارزش دفتری به بازار(BE/ME) و گشتاورتوضیح داده شوند. بناسر وچایبی71 (2007) تحقیق فاما و فرنچ (1996) وکارهارت (1997) ودیتمارت (2002) را برای پیش بینی بازده سهام مورد انتظار با برآورد هزینه سرمایه منتشر کنندگان در تونس اصلاح می کنند. تحقیق شان بیان می کند که مدل قیمت گذاری دارایی شان کارهارت (1997) از سایر مدل های قیمت گذاری دارایی ارجح تر بود.

2-4-تصمیم گیری چندمعیاره و پرتفوی سهام

نوسانات بازده دارايي به دو قسمت نوسانات بازار و نوسانات مختص‌ شـرکت تـجزيه مـي شوند که به ترتيب به ريسک سيستماتيک و غـير سـيستماتيک مشهور مي باشند. در مقايسه با‌ مطالعات‌ بيشماري‌ که رابطۀ بين ريسک سيستماتيک و بازده را بررسي نموده اند، نقش‌ ريسک‌ غـيرسيستماتيک در قـيمت گـذاري دارايي به طور چشمگيري ناديده گرفته شده است. زو و مالکيل72 (2003) مشاهده‌ نـمودند‌ که‌ در ادبيات مالي، توجه بسيار کمي به رفتار نوسانات‌ غيرسيستماتيک‌ شده‌ است. البته اين عدم توجه به ريسک غـيرسيستماتيک بـدين دليل اسـت که مدل CAPMشارپ‌ (1964‌)، لينتنر‌ (1965) و بلک (1972)، تنها ريسک سيستماتيک را در قيمت گذاري دارايي بـه حـساب مي‌ آورد‌. تئوري مدرن پرتفوي، به سرمايه گذاران پيشنهاد مي کند که از طريق ايجاد‌ پرتفويي‌ از‌ سهام، ريسـک غـير سـيستماتيک را حذف نمايند. مدل CAPMبر اساس تئوري پرتفوي ايجاد‌ شده‌ است و فرض مـي کـند کـه تمام سرمايه گذاران، پرتفوي تشکيل مي دهند. بنابراين‌ تنها‌ ريسک‌ سيستماتيک در فرايند قيمت گـذاري لحـاظ مـي شود و ريسک غير سيستماتيک ناديده گرفته مي شود‌. اما‌ مدارک تجربي بيانگر اين نکته اسـت کـه سرمايه گذاران اغلب پرتفوي هاي‌ متنوع‌ نگهداري‌ نمي کنند. باربر و ادين73 (2000) و بنارتزي و تالر74 (2001) نـشان دادنـد کـه پرتفوي هاي سرمايه گذاران‌ انفرادي‌ و صندوق‌ هاي سرمايه گذاري متنوع نمي باشند و هر دو بـه دليل هـزينه هاي‌ مبادلاتي‌، تعداد محدودي دارايي را در پرتفوي خود دارند. بنابراين هم نوسانات سيستماتيک و هم نـوسانات غـيرسيستماتيک بـراي‌ اين‌ سرمايه گذاران مهم و مورد توجه مي باشد. کمپل و ديگران75 (2001) پس از‌ بررسي‌ انحراف معيار بازده هـاي پرتـفوي، تعداد مورد‌ نياز‌ سهامي‌ را که به طور تصادفي بايد انتخاب‌ شده‌ بـاشد تـا بـتوان يک پرتفوي کاملا متنوع را ايجاد نمود در حدود 40‌ سهام‌ مي دانند. همچنين آنها نشان‌ دادند‌ که ريسـک‌ غـيرسيستماتيک‌، بـزرگترين‌ بخش ريسک کلي يک شرکت را‌ تشکيل‌ مي دهد(ملگان و همکاران ، 2015).

علی رغم اینکه تاکنون تعداد زیادی از مدل های چند معیاره برای حل مسئله بهینه سازی سبد سهام به کار گرفته شده‌اند و تعداد بسیار زیادی از معیارهای بازار و حسابداری برای این مدل ها پیشنهاد شده‌اند، مسأله انتخاب سبد سهامی شامل اوراق بهادار از صنایع گوناگون هنوز به طور کامل حل نشده است. برای مثال، وزن معیارهای موثر بر انتخاب شرکت‌ها در صنایع مختلف یکسان نیست. به همين منظور روش هاي بسياري در رابطه با انتخاب سبد سهام به وجود آمده و معرفي شده اند. اکثريت قريب به اتفاق اين روش ها براي تحليل و نتيجه گيري از اطلاعات و تحليل مالي استفاده نموده اند.

تصمیم گیری در مورد موقعیت های مختلف، مورد توجه بسیاری از جوامع علمی و تجاری قرار گرفته است.بنابراین استفاده از تکنیک های مختلف تصمیم گیری، به منظور ارزیابی معیارهای موثر بر تصمیم گیری، می تواند منجر به تصمیمات بهتری شود. از این رو انتخاب معیارهای تصمیم گیری مناسب، بسیار با اهمیت است (چانگ و همکاران76، 2015).

در دنياي امروز اغلب مسايلي كه براي تصميمگيري عرضه مي ؛شود داراي ابعاد متنوعي است و بـا چنـد معيار فرموله ميگردد. به عبارت ديگر اكثر تصميمگيريها تحت تـأثير عوامـل مختلـف كمـي و كيفـي قرار دارد كه اغلب اين عوامل با يكديگر در تعارض هستند و سعي می شود كـه بـين چنـدين گزينـه موجـود بهترين گزينه را انتخاب كنند. اشتباه و عدم دقت در تصميمگيري مستلزم پرداخت هزينه خطا . ست هر چـه قـدرت و اختيارات مديريت بيشتر باشد ؛ هزينه تصميم غلط نيز بالاتر خواهد بود. طبيعي است كه حل مسايل تصميم گيري چند معياره داراي پيچيدگي است و به راحتي امكانپذير نمـي باشـد به ويژه آنكه اغلب معيارهاي موردنظر با يكديگر تعارض داشته ؛ افزايش مطلوبيت يكـي مـي توانـد باعـث كـاهش مطلوبيت براي ديگري شود. به همين دليل روشهايي تحت عنوان تصميمگيري چند معياره(MCDM)و بـه ويـژه تصميمگيري چند شاخصه (MADM )توسعه داده شده اند كه به حل مسايل مزبور كمك مي كننـد. روشهـاي چند شاخصه داراي تكنيكهاي متنوعي در مراحل مختلف تصميمگيري هستند. در اين روشها چندين گزينـه بـر اساس چندين معيار مختلف با هم مقايسه شده؛ بهترين گزينه يا ترتيب گزينه هاي مناسب انتخاب ميشـوند . روش هاي MADMبر پايه استدلال هاي رياضي، بهترين گزينه تصميمگيري را از بين گزينه هاي موجود با اولويتبنـدي آنها تعيين مي كنند (محمدی و همکاران، 1393)

تعاریف مدل سازی مختلفی در طی چندین سال بحث شده­اند، برای مثال، آکوف و ساسینی77 (1968) یک مدل را به عنوان یک نماینده­ای از حقیقت تعریف کردند. به هرحال، پید78 (2003) بیان کرد که این تعریف ساده این حقیقت را که مردم دیدگاه متفاوتی نسبت به حقیقت دارند را پیگیری نمی­کند و همچنین این مدل هرگز نمی­تواند کاملا تکمیل شود و دقیق باشد. بنابراین، پید (2003)، تعریف یک مدل را به عنوان یک بخش نمایشی خارجی و واضح از واقعیت ترجیح داده بود همانطوری که توسط تصمیم گیرندگان و مدل سازان دیده می­شد. این به این معنی است که مدل­ها یک تقریبی از واقعیت هستند و اینکه مطابق با مدل­های خاص استفاده شده برای نگاه به یک مشکل جهانی واقعی، فرایندها و نتایج ممکن است متفاوت باشند (ده و بافورد79، 2015).

در این راستا، مدل­های رسمی تصمیم گیری و سیستم­های هوشمند می­توانند برای پشتیبانی از فرایندهای تصمیم گیری مورد استفاده قرار بگیرند(دوه80، 2010)روش تصمیم گیری چند معیاره(MCDM)می تواند به تصمیم گیرندگان در انتخاب مناسب ترین راه حل در میان راه حل های بهینه پارتو بالقوه متعدد کمک کند (منقسمی و همکاران81، 2015).

تجزيه و تـحليل چند معياره شامل گروهي از رويکردهايي‌ که‌ اجازه‌ محاسبه آشکار را بـراي معيارهـاي‌ مختلف‌ ، به‌ منظور حمايت هاي فـردي و گروهي در رتبه بندي، انتخاب و مقايسه گزينه هـاي مختلـف را شامل مي شـود (سـينلي و هـمکاران82، ٢٠١٤).

تاوانا و سودنکامپ84 (2010) توضیح دادند که MCDAسهامداران (ذی نفعان) را قادر می­سازد که یک چارچوبی را برای مبادله­ی اطلاعات و دانش خودشان ایجاد کنند در حالی که سیستم­های ارزشی آن­ها را از طریق تعیین وزن و امتیازبندی مکانیسم­ها مورد کاوش قرار می­دهد. به علاوه، اورمرود85 (2010) پیشنهاد کرد که چارچوب­ها و مکانیسم­های مختلف، اعتماد سهامداران درباره­ی رابطه­ی بین گزینه­ها و پیامدها (نتایج) را آگاه می­کند. ایوب و همکاران86 (2015) نشان دادند که چارچوب ریسک نامطلوب بهتر از چارچوب میانگین واریانس مارکوویتز عمل می‌کند. بعلاوه، هرگاه بازده‌های دارایی دارای چولگی زیاد باشد آن گاه میزان اختلاف معنی دار خواهد بود.در نتایج استفاده از ریسک نامطلوب به جای واریانس به عنوان معیار ریسک در تصمیمات سرمایه گذاری توصیه شده است.راهلاه و همکاران87 (2016) نشان دادند بین ریسک خاص شرکت ها و بازده مورد انتظار سهام، رابطه مثبتی وجود دارد. سبدهایی با نوسانات بالای ریسک خاص، بازده بالاتری را ایجاد کرده اند. اما بین نوسانات ریسک خاص شرکت و اندازه شرکت، رابطه معکوسی وجود دارد. شین و همکاران88(2016) نشان دادند برای انتخاب سهام معیارهای بازده دارایی، تغییرات درآمد، کل دارایی ها، تغییرات سود عملیاتی، گردش دارایی، روزهای معاملاتی، نقش مهمی دارند.هالیت و همکاران (2018) در بررسی کاهش ابعاد در بهینه سازی سبد سهام بر اساس میانگین-واریانس، نشان دادند که کاهش ابعاد قیمت دارایی ها، می تواند کارایی کل بهینه سازی پرتفوی سهام را افزایش دهد.

3-نتیجه‌گیری

انگیزه سرمایه گذاران جهت سرمایه گذاری وجوه در اوراق بهادار موجود در بازار سرمایه کسب بیشترین بازده با ریسک معین می باشد. امروزه مدیریت ریسک به همان اندازه کسب حداکثری بازده برای سرمایه‌گذاران مهم و حیاتی شده است؛ لذا بررسی تکنیک ها و ابزارهای مدیریت ریسک به همراه نگرش واقع بینانهء عوامل موثر بر تغییرات رفتاری در تصمیمات سرمایه گذاری ، می تواند برای اهل فن ، سودمند و قابل توجه باشد.

تعیین روش توزیع مناسب سود دارایی ها نقش حیاتی در مدیریت ریسک و تخصیص سود بهینه دارد. گاهی اوقات یک خطا به نادیده گرفتن ریسک سهام و درنتیجه تصمیم گیری نادرست می انجامد. مدلهای توزیعی متغیرهای مالی ابعاد مختلفی دارند. در بُعد اول یک مدل واقعی برای سودآوری متغیرهای مالی به صورت جداگانه مورد بررسی قرار میگیرد واین دلیلی برای استفاده از مدلهای یک بُعدی واقعی می باشد. بُعد دوم بطور مناسب وابستگی بین متغیرهای یک بُعدی را در برمیگیرد.برای تعیین میزان ریسک بهینه سازی سهام استفاده از مدل یک بُعدی درباره ی ابزار کافی نیست. عدم محاسبه ی دقیق وابسته ها برای تجهیزات ممکن است امری بسیار خطرناک در زمینه ی سرمایه گذاری در سهام باشد.مسئله ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه ای از دارایی های موجود، با هدف ماکزیمم کردن بازده مورد انتظار و در عین حال مینیموم کردن ریسک سرمایه گذاری با توجه به قید های گوناگون می باشد

داده های کمی گاهی اوقات در دسترس نیست، در نتیجه اطلاعات کیفی ارائه شده توسط کارشناسان و یا تصمیم گیرندگان باید استفاده شود. از این رو ارائه مدلی که بتواند سرمایه گذاران را در تصمیم گیری کمک کند امری ضروری است. از آن جا که مدل ها و روش های موجود هر یک دارای مشکلاتی هستند، بنابراین انتخاب سبد سهام بر اساس تلفیقی از مدل های ارزیابی پرتفوی سبد سهام، به انتخاب بهینه سبد سهام و ارزیابی مناسب سهم، به سرمایه گذاران،کمک میکند.

منابع:

اسلامی بیدگلی، غلامرضا (1389).مباحثی در تئوري و مدیریت مالی،انتشارات ترمه، تهران

راعي،رضا ؛ سعيدي ،علي(1393).مباني مهندسي مالي و مديريت ريسك، سازمان‌ مطالعه ‌و تدوين‌ كتب‌ علوم ‌انساني ‏‏‌دانشگاهها (سمت)، تاريخ نشر:1391‏

روح العلم، وحید. (1395).ریسک و بازده اوراق بهادار بر اساس پیش بینی های هدایت شده (جهت دار)، مهندسی مالی و مدیریت اوراق بهادار » زمستان 1395 – شماره 29 (از صفحه 107 تا 129)

صالح آبادي، علي ؛ سحابي، بهرام ؛ ياوري، كاظم ؛ قليزاده، مهديه رضا.1392. بررسي تأثير نوسانات داراييهاي جايگزين سهام بر شاخص قيمت سهام، بررسی های حسابداری و حسابرسی، دوره20، شماره1، بهار 1392، ص: 76-53

گوگردچیان احمد ؛حسن حیدری سلطان آبادی؛ زینب متفرس.(1396). تحلیل نظری و تجربی تاثیر توان رقابتی بازار محصول بر بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران، مدیریت دارایی و تامین مالی » بهار 1396 – شماره 16 (از صفحه 31 تا 44)

مجتهدزاده، ویدا ؛ امامی، سمیه. (1389).مقایسه مدل قیمت‌گذاری دارایی‌های سرمایه‌ای با مدل تعدیل شده برای شرایط تورمی، مقاله 7، دوره 2، شماره 4، زمستان 1389، صفحه 109-124

محمدي زنجيراني داريوش, سليمي فرد خداكرم, يوسفي ده بيدي شهلا. (1393). بررسي عملکرد متداول ترين تکنيک هاي تصميم گيري چند شاخصه با رويکرد بهينه يابي، تحقيق در عمليات در كاربردهاي آن (رياضيات كاربردي) : بهار 1393 , دوره 11 , شماره 1 (پياپي 40) ; از صفحه 65 تا صفحه 84

Ackoff, R. L., & Sasieni, M. W. (1968). Fundamentals of operations research. New York: John Wiley

Ayub Usman, Syed Zulfiqar Ali Shah, Qaisar Abbas.(2015).Robust analysis for downside risk in portfolio management for a volatile stock market, Economic Modelling, Volume 44, January 2015, Pages 86-96

Banz, Rolf W. (1981). The Relationship Between Return and Market Value of Common Stock. Journal of Financial Economics. Vol. 9, pp. 3-18.

Basu, S. (1983). The relationship between earnings yield, market value, and return for NYSE common stocks: Further evidence. Journal of Financial Economics, 12, 129-156

Basu, S. (1997). Investment Performance of Common Stocks in Relation to Their Price- Earning Ratios: A Test of the Efficient Market Hypothesis. Journal of Finance, 12: 129-156.

Benjamin Dehe, Siu Yee Cheng, David Bamford, Marina Papalexi, (2015) “Improving access to health services – challenges in Lean application”, International Journal of Public Sector Management, Vol. 28 Issue: 2, pp.121-135, https://doi.org/10.1108/IJPSM-05-2014-0066

Bhandari, L. 1988. Debt/Equity Ratio and Expected Common Stock Returns: Empirical Evidence. Journal of Finance, 43: 507-528.

Carhart, M.M. (1997). On persistence on mutual fund performance. Journal of Finance 52, 57-82.

Chang Kuei-Lun, Sen-KueiLiaobTzeng-WeiTsengcChi-YiLiao.(2015). An ANP based TOPSIS approach for Taiwanese service apartment location selection, Journal : Asia Pacific Management Review, Volume 20, Issue 2, June 2015, Pages 49–55

Chou, Chih-Hung; Yang, Hao-Jan; and Farn, C. K., “Measure E-Personality with Five Factor Model: Empirical Support” (2017). PACIS 2017 Proceedings. 239.

Cinelli, M., S. R. Coles & K. Kirwan (2014). Analysis of the Potentials of Multi Criteria Decision Analysis Methods to Conduct Sustainability Assessment. Ecological Indicators, 46 (0), pp. 138-148. doi: 10.1016/j.ecolind.2014.06.011

DeBondt, W.F.M. dan Thaler, R.H. (1985). Does the stock market overreact. Journal of Finance 40, 793-805.

Dehe Benjamin, Bamford David.(2015). Development, test and comparison of two Multiple Criteria Decision Analysis (MCDA) models: A case of healthcare infrastructure location

Dittmar, R. (2002). Non-linear pricing kernels, kurtosis preference and cross-section of equity returns. Journal of Finance 57, 369-403

DoH (2010). Equity and excellence, Liberating the NHS. Crown Copyright, Department of Health: London

Donelson, D. C., & Resutek, R. J. (2014). The Effect of R&D on Future Returns and Earnings Forecasts. Review of Accounting Studies 17(4): 848-876.

Fama, E.F. dan French, R.F. (1992).. The cross-section of expected stock returns. Journal of Finance 47, 427-465.

Fama, E.F. dan French, R.F. (1993). Common risk factors in the returns on stocks and bonds. Journal of financial Economics 33, 3-56.

Fama, E.F. dan French, R.F. (1996). The CAPM is wanted, dead or alive. Journal of Finance 51, 1947-1958.

Fama, E.F. dan French, R.F. (2004). The capital asset pricing model: Theory and evidence. Working Paper, University of Chicago.

Fisher, G. , Shah, R. , & Titman, S. (2016). Combining value and momentum. Journal of Investment Management, 14 , 33–48 .

Fletcher, J. dan Kihanda, J. (2005). An examination of alternative CAPM-based models in UK stock returns. Journal of Banking and Finance 29, 2995-3014.

Graham, J.R dan Harvey, C.R. (2001). The theory and practice of corporate finance: evidence from the field. Journal of Financial Economic 60, 187-24

Hagigi, M., & Sivakumar, K. (2009). Managing diverse risks: An integrative framework. Journal of International Management, 15(3), 286–295

Halit Alper Tayalıa , ∗, Seda Tolun .(2018).Dimension reduction in mean-variance portfolio optimization, Expert Systems With Applications 92 (2018) 161–169

Han, B., Kumar, A., 2013. Speculative retail trading and asset prices. J. Financ. Quant. Anal. 48, 377–404.

Hinton, M. (2003). Managing the human resource risk. Franchising World, 35(2), 58–59

Hoskisson, R.E., Chirico, F., Zyung, J. and Gambeta, E. (2017), “Managerial risk taking: a multitheoretical review and future research agenda”, Journal of Management, Vol. 43 No. 1, pp. 137-169.

Jaafari, A. (2001). Management of risks, uncertainties and opportunities on projects: Time for a fundamental shift. International Journal of Project Management, 19(2), 89–101.

Jablonowski, M. (2006). Precautionary risk management: Dealing with catastrophic loss potentials in business, the community and society. Palgrave Macmillan.

Jagannathan, R. dan Wang, Z. (1996). The conditional CAPM and the cross-section of expected returns. Journal of Finance 51, 3-53

Jalota Hemant Manoj Thakur Garima Mittal .(2017).A Credibilistic Decision Support System for Portfolio Optimization, Applied Soft Computing. Volume 59, October 2017, Pages 512-528

Jelokhani-Niaraki, M. & J. Malczewski (2015). Decision Complexity and Consensus in Web-based Spatial Decision Making: A Case Study of Site Selection Problem Using GIS and Multi-Criteria Analysis. Cities, 45, pp. 60-70

Kolm, P. N., Tütüncü, R., & Fabozzi, F. J. (2014). 60 Years of portfolio optimization: Practical challenges and current trends. European Journal of Operational Research, 234(2), 356-371

Lehtiranta, L. (2014). Risk perceptions and approaches in multi-organizations: A research review 2000–2012. International Journal of Project Management, 32(4), 640–653.

Liana Holanda Nepomuceno Nobre, John E. Grable, Wesley Vieira da Silva, Fábio Chaves Nobre, (2018) “Managerial risk taking: a conceptual model for business use”, Management Decision, https:// doi.org/10.1108/MD-09-2017-0892

Lintner, J. (1965). The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. Revue of Economics and statistics, 47, 13-37

Malagon. Juliana, David Moreno Rosa Rodríguez(2015) The idiosyncratic volatility anomaly: Corporate investment or investor mispricing?. Journal of Banking & Finance 60 (2015) 224–238

Monghasemi Shahryar, Mohammad RezaNikoob1Mohammad AliKhaksar Fasaeeb2JanAdamowsk .(2015). A novel multi criteria decision making model for optimizing time–cost–quality trade-off problems in construction projects, Expert Systems with Applications Volume 42, Issue 6, 15 April 2015, Pages 3089-3104

Nayak S.C., B.B. Misra, H.S. Behera .(2017).Artificial chemical reaction optimization of neural networks for efficient prediction of stock market indices, Ain Shams Engineering Journal, Volume 8, Issue 3, September 2017, Pages 371-390

Ormerod, R. J. (2010). OR as rational choice: A decision and game theory perspective. Journal of the Operational Research Society, 61, 1761–1776

Osipova, E., & Eriksson, P.E. (2013). Balancing control and flexibility in joint risk management: Lessons learned from two construction projects. International Journal of Project Management, 31(3), 391–399

Owens, A.R. (2014). Exploring the benefits of contact centre offshoring: A study of trends and practices for the Australian business sector. International Journal of Human Resource Management, 25(4), 571–587

Pätäri Eero, Ville Karell, Pasi Luukka, Julian S Yeomans.(2018). Comparison of the multicriteria decision-making methods for equity portfolio selection: The U.S. evidence, European Journal of Operational Research, Volume 265, Issue 2, 1 March 2018, Pages 655-672

Pidd, M. (2003). Tools for thinking – Modelling in management science (2nd ed.). Chichester: John Wiley & Sons.

Rahahleh. Naseem Al, Iman Adeinat, Ishaq Bhatti, (2016) “On ethnicity of idiosyncratic risk and stock returns puzzle”, Humanomics, Vol. 32 Issue: 1, pp.48-68, doi: 10.1108/H-06-2015-0043

Ren, J., Gao, Y., & Bian, C. (2013). Multiple criteria decision making based on discrete linguistic stochastic variables. Mathematical Problems in Engineering, 1–11. Hindawi Publishing Corporation

Rogers, Pablo dan José Roberto Securato. (2007). Comparative Study of CAPM, Fama and French And Reward Beta Approach In The Brazilian Market. SSRN Papers – Id1027134.

Rosenberg, B., Reid, K. dan Lanstein, R. (1985). Persuasive evidence of market inefficiency. Journal of Portfolio Management, 11, 9-17.

Ross, S.(1977) Risk, return and arbitrage’, Risk and return in Finance I, Friend, I. and Bicksler, J. (Eds.), Ballinger, Cambridge.

Roy .Sankharaj (2013).Economic Recession and Volatility in Stock Markets: Evidence from Indian Stock Exchanges, IJMBS Vol. 3, Iss ue 2, April – June 2013

Sharpe, W.F. 1964. Capital asset prices: a theory of market equilibrium under conditions of risk. Journal of Finance, 19, 425-442

Shen. Kao-Yi, Tzeng ,Gwo-Hshiung.(2015).Combined soft computing model for value stock selection based on fundamental analysis, Applied Soft Computing, Volume 37, December 2015, Pages 142-155

Strong, N. dan Xu, X.G. 1997. Explaining the cross-section of UK expected stock returns. British Accounting Review, 29, 1-24.

Sydow, J., & Frenkel, S.J. (2013). Labor, risk, and uncertainty in global supply networks—Exploratory insights. Journal of Business Logistics, 34(3), 236–247.

Tavana, M., & Sodenkamp, M. A. (2010). A fuzzy multi-criteria decision analysis model for advanced technology assessment at Kennedy space centre. Journal of the Operational Research Society, 61, 1459–1470

Torrubiano, R. R.(2012). Cardinality Constraints and Dimensionality Reduction inOptimization Problems. Ph.D. Dissertation, Dept. Computer Science,Universidad AUT_ONOMA de Madrid.

Zhang. Jinqing, Zeyu Jin a , Yunbi An.(2017).Dynamic portfolio optimization with ambiguity aversion, Journal of Banking and Finance 79 (2017) 95–109

1 Halit

2 Jalota

3 Barroso and Santa-Clara

4 Pätäri

5 Markowitz

6 Yu

7 Chun-Hao Chen,authorChih-Hung Yu

8 Hagigi, M., & Sivakumar

9 Leht iranta

10 Jablonowski

11 Jaafari

12 Osipova, E., & Eriksson

13 Sydow, J., & Frenkel

14 Owens

15 Liana

16 Hoskisson

17 Zhang

18 Merton Miller

19 Roy ‎

20 Han& Kumar,

21 Torrubiano

22 Kolm, P. N., Tütüncü, R., & Fabozzi,

23 Donelson, D. C., & Resutek, R. J

24 Discounting Methods

25 Harry Markowitz

26 William Sharp

27 Lintner

28 Stephen Ross

29 Arbitrage model

30 Sharpe

31 Mossin

32 Graham and Harvey

33 Fama an French

34 Strong and Xu

35 Jagannathan and Wang

36Lettau and Ludvigson

37Banz

38earnings / price

39Basu, 1983

40Rosenberg et al

41Lakonishok et al

42Debondt and Thaler

43Jegadeesh and Titman

44mass

45Merton

46Ross

47Harvey and Siddique

48 Dittmar

49 three-factor pricing model

50anomalies

51anomalous moment

52French, 1996; Asness, 1997Fama and

53Jegadeesh and Titman

54Carhart

55 four-factor pricing model

56trade-off

57Bhandari

58 Stattman,

59 Rosenberg et.al

60 Chan, Hamao and Lakonishok

61 Reinganum

62 Lakonishok and Shapiro

63 Kato and Shallheim

64 Ritter

65proxy 

66SMALL MINUS BIG

67small

68HIGH MINUS LOW

69distress

70WINNER MINUS LOOSER

71Bennaceur and Chaibi

72 Xu and Malkiel

73 Barber and Odean

74 Benartzi and Thaler

75 Campbell et al

76 Chang

77 Ackoff and Sasieni

78 Pidd

79 Dehe & Bamford

80 DoH

81 Monghasemi

82 Cinelli

83 Ren

84 Tavana & Sodenkamp

85 Ormerod

86 Ayub

87 Rahahleh

88 Shen. Kao-Yi, Tzeng ,Gwo-Hshiung