TY - JOUR ID - 139087 TI - بهینه سازی پرتفلیو و نظریه ی ماتریس تصادفی در بازار بورس JO - مدیریت نوآوری و راهبردهای عملیاتی JA - IMOS LA - fa SN - 2783-1345 AU - حیدری هراتمه, مصطفی AD - استادیار، گروه اقتصاد و مدیریت، واحد نراق، دانشگاه آزاد اسلامی، نراق، ایران Y1 - 2021 PY - 2021 VL - 2 IS - 3 SP - 257 EP - 267 KW - بهینه‌سازی پرتفلیو KW - نظریه‌ی ماتریس تصادفی KW - همبستگی متقابل KW - نسبت مشارکت معکوس KW - بردار ویژه DO - 10.22105/imos.2021.289758.1109 N2 - هدف: هدف از انجام این تحقیق بهینه‌سازی سبد سهام بر مبنای نظریه ماتریس تصادفی در بورس اوراق بهادار بوده است جهت پاسخ به این پرسش که آیا اطلاعات مربوطه، با استفاده از توزیع مارچنکو - پاستورMarčenko – Pastur ) ) وجود خواهند داشت یا خیر؟روش‌شناسی پژوهش: داده‌­های 31 سهم در بورس اوراق بهادار تهران در دوره زمانی 1395 تا 1398 جهت همبستگی متقابل بین سهام‌ها موردبررسی قرار گرفته می‌شود؛ بنابراین 749 قیمت پایانی روز و 748 لگاریتم بازده وجود خواهد داشت. این تحقیق به روش توصیفی-همبستگی انجام‌شده و از نوع تحقیقات کاربردی است.یافته‌ها: نتایج نشان داد: الف) با مشاهده­ی بزرگ‌ترین توزیع اجزای بردار ویژه، مشاهده می‌شود که در سمت چپ توزیع یک عدم تقارن شدید وجود دارد که یعنی بازار بیشتر به وقایع بد تا وقایع خوب واکنش می­دهد. ب ) با پاک‌سازی ماتریس همبستگی می‌توان اختلاف بین ریسک پیش‌بینی‌شده و تحقق‌یافته را کمی کاهش داد. به عبارت بهتر با شناسایی و خارج کردن سهام غیر ارزشی از سبد سهام ریسک پرتقلیو کاهش می‌یابد. ج ) ماتریس تصادفی سهام می‌تواند به‌طور معناداری بازده و ریسک محقق شده بازار را پیش‌بینی نماید و لذا توانایی زیادی در تبیین ریسک اطلاعات بازار دارد. د) نسبت معکوس مشارکت، سهام مؤثر بر بردارهای ویژه را تعیین می‌نماید و تحلیل اصلی ماتریس‌های تصادفی نیز بر پایه تعدیل این نسبت با استفاده از پاک‌سازی ماتریس تصادفی است.اصالت/ارزش افزوده علمی: نظریه ماتریس تصادفی برخلاف سایر روش‌های تشکیل پرتفلیو که به تعیین وزن هریک از دارایی‌ها در سبد سرمایه می‌پردازند، به شناسایی سهام غیرمفید و خارج نمودن آن‌ها از سبد سهام می‌پردازد و از این طریق منجر به بهبود بازده و ریسک سبد سهام می‌شود. UR - http://www.journal-imos.ir/article_139087.html L1 - http://www.journal-imos.ir/article_139087_4a8d671abaa173e27cc4109fc85d2b0e.pdf ER -