Evaluation of investment portfolio models in mutual fund in global financial markets (with emphasis on multi-objective meta-heuristic algorithm)

Document Type : Original Article

Authors

1 PhD Student, Department of Accounting, Urmia Branch, Islamic Azad University, Urmia,Iran

2 Associate Professor, Department of Accounting, Urmia Branch, Islamic Azad University, Urmia. Iran

3 Associate Professor, Department of Accounting, Urmia Branch, Islamic Azad University, Urmia, Iran

Abstract

The complexity of financial instruments and markets makes it difficult for investors to decide on the type of asset, so that investors are always faced with the problem of optimizing the set of assets in their decisions. Therefore, choosing the right investment portfolio in order to maximize profits is one of the main concerns of investors. With this statement, the purpose of this article is to compare the explanation and performance of the optimization problem and the predictive power of ARMA-historical simulation models and ARFIMA-Monte Carlo (one of the most established models in the world) in fund portfolio optimization ‌ is a joint venture. The statistical and sample population included data from selected funds traded on the stock exchange of selected member countries of the Federation of Asian and European Stock Exchanges (FEAS) between 2013 and 2019.

The results showed that the ARIMA-value at risk (historical simulation) model has a higher efficiency boundary compared to the ARIMA-value at risk (Monte Carlo simulation). It also incorporates the Pareto frontier drawn by the PESA-II algorithm for the other model. To determine the significance of this difference, the performance of the Mann-Whitney test has been investigated. The results indicate that the ARIMA-value-at-risk-optimal portfolio Sharp criterion is better than the ARIMA-value-at-risk (historical simulation) criterion.

Keywords

Main Subjects


بحری ثالث، جمال؛ پاک مرام، عسگر؛ ولی زاده، مصطفی (۱۳۹۷)."انتخاب و بهینه‌سازی سبد سهام با استفاده از روش میانگین واریانس مارکویتز با بهره‌گیری از الگوریتم‌های مختلف". فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، سال یازدهم، شماره 37.
راعی، رضا؛ فلاح طلب، حسین(1392). "کاربرد شبیه­­سازی مونت کارلو و فرایند قدم زدن تصادفی در پیش بینی ارزش در معرض ریسک ". مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 16
شیدایی نرمیقی، علی؛ رهنمای رودپشتی، فریدون؛ رادفر، رضا (۱۳۹۹)."بهینه‌سازی پرتفوی سرمایه‌گذاری مبتنی بر ماتریس شبکه و مقایسه آن با الگوریتم ژنتیک". فصلنامه علمی پژوهشی دانش سرمایه‌گذاری، سال نهم، شماره سی و ششم.
فتاحی نافچی، حسن؛ عرب صالحی، مهدی؛ اسماعیلیان، مجید."انتخاب سبد بهینه سهام با بکارگیری اطلاعات حسابداری، اطلاعات مبتنی بر ارزش و اطلاعات کارت ارزیابی متوازن(مطالعه موردی: شرکت­های پذیرفته شده در بورس اوراق بهادار تهران)". مجله پیشرفت­های حسابداری دانشگاه شیراز، دوره یازدهم، شماره دوم، 285-320.
فلاح‌پور، سعید؛ راعی، رضا؛ فدائی نژاد، محمد اسماعیل؛ مناجاتی، رضا (۱۳۹۸)." ارائه مدلی جهت بهینه‌سازی فعال با استفاده از ارزش در معرض ریسک شرطی؛ کاربردی از رویکرد مدل‌های ناهمسانی واریانس شرطی بر اساس رویکرد الگوریتم DE". فصلنامه علمی پژوهشی دانش سرمایه‌گذاری، سال هشتم، شماره 30.
میرلوحی، سید مجتبی؛ محمدی تودشکی، نیما (۱۳۹۹)." تشکیل سبد سرمایه‌گذاری بهینه در بورس اوراق بهادار با استفاده از روش‌های خوشه‌بندی سلسله مراتبی و تفکیکی". فصلنامه علمی پژوهشی دانش سرمایه‌گذاری، سال نهم، شماره 34.
نجفی مقدم، علی(1396). "انتخاب روش بهینه در محاسبه ارزش در معرض خطر صندوق سرمایه­گذاری"، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره8، شماره31، 265-237.  
   
Chou,Y.H., Kuo,S.Y. & Lo,Y.T. (2017). “Portfolio Optimization Based on Funds Standardization and Genetic Algorithm” IEEE
Douglas, J.Cumming, Sofia,J. Yelin, ZH. (2019). What is Mutual Fund flow? Journal of International finantial markets, Institutions and Money, Vol62, No.222-251.
Inderjit,K(2018). “Effect of mutual funds characteristics on their performance and trading strategy: A dynamic panel approach “, Cogent Economics & Finance, 6:1.
Lin, Chang., Lin, Yi, Ting., (2008),”Genetic Algorithm for portfolio selection problem with transaction lost”, European journal of Operational Research., Vol.185, ISSUE, 1, 16, PP. 393-401.
Rom, B.M., Ferguston, K,(2001). Managing downside risk in financial markets: Theory, practice and implementation, Butterworth-Heinemann finance, p.59.
Silva, A, Neves, R., & Horta, N, (2015). A hubrid approach to portfolio composition based on fundamental and technical. Expert Systems with Applications, 42(4), 2036-2048.
Tsolas, I. E. (2020). Precious Metal Mutual Fund Performance Evaluation: A Series Two –Stage DEA Modeling Approach. Journal of Risk and Management, 13(5), 87.
Vladimir,R. Mikia, D., Branko, U. Rank, J. (2016). Mean univariate –GARCH VaR Portfolio Optimozation: Actual Portfolio Approach. Computers & Operations Research 72(2016) 83-92.