«Финансы и кредит»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Формирование портфеля ценных бумаг с использованием предельной величины риска

Купить электронную версию статьи

Журнал «Финансы и кредит»
т. 24, вып. 12, декабрь 2018

Получена: 13.09.2018

Получена в доработанном виде: 27.09.2018

Одобрена: 11.10.2018

Доступна онлайн: 24.12.2018

Рубрика: Рынок ценных бумаг

Коды JEL: G11, G32

Страницы: 2708–2720

https://doi.org/10.24891/fc.24.12.2708

Малеева Е.А. студент бакалавриата Инженерной школы ядерных технологий, Национальный исследовательский Томский политехнический университет (ТПУ), Томск, Российская Федерация 
eam21@tpu.ru

ORCID id: отсутствует
SPIN-код: 2023-4841

Бельснер О.А. старший преподаватель Инженерной школы ядерных технологий, Национальный исследовательский Томский политехнический университет (ТПУ), Томск, Российская Федерация 
belsner@tpu.ru

ORCID id: отсутствует
SPIN-код: 2417-0070

Крицкий О.Л. кандидат физико-математических наук, доцент Инженерной школы ядерных технологий, Национальный исследовательский Томский политехнический университет (ТПУ), Томск, Российская Федерация 
olegkol@tpu.ru

https://orcid.org/0000-0002-9158-7905
SPIN-код: 9821-4000

Предмет. Исследование влияния предельных величин риска на размер совокупного капитала и долей в оптимальном портфеле ценных бумаг. При использовании модели Марковица резкий рост (падение) цен акций ведет к резкому изменению долей портфеля при переформировании. Невозможно сформировать портфель при структурном изменении фондового рынка. Этих недостатков лишен предлагаемый подход.
Цели. Исследоване формирования портфеля ценных бумаг с использованием предельной величины риска VaR.
Методология. Применялась методология Бенати—Рицци, использовался алгоритм смешанного целочисленного линейного программирования.
Результаты. Построены портфели по алгоритму Марковица с учетом ограничений по величине риска VaR, проведено сравнение доходностей и стоимостей двух портфелей из акций, входящих в ММВБ-10. Оценены выборочные альфа-, бета-коэффициенты, рассчитана рискованность и доходность пассивных портфельных инвестиций.
Выводы и значимость. Представленная модель позволила уменьшить начальные инвестиционные вложения, ослабила влияние резких падений фондового рынка на стоимость портфеля, увеличила реализованную доходность инвестиций. Использование метода Бенати—Рицци удобно для создания широкого спектра инвестиционных портфелей для массового инвестора.

Ключевые слова: предельная величина риска, управление портфелем ценных бумаг, метод Бенати—Рицци, метод Марковица

Список литературы:

  1. Artzner Ph., Delbaen F., Eber J.-M., Heath D. Coherent Measures of Risk. Mathematical Finance, 1999, vol. 9, iss. 3, pp. 203–228. URL: Link
  2. Крицкий О.Л., Ульянова М.К. Определение многомерного финансового риска портфеля акций // Прикладная эконометрика. 2007. № 4. С. 3—17. URL: Link
  3. McNeil A.J., Frey R., Embrechts P. Quantitative Risk Management. Concepts, Techniques and Tools. Princeton University Press, 2015, 720 p.
  4. Бронштейн Е.М., Тулупова Е.В. О параметрах комбинированных квантильных мер риска при формировании портфелей ценных бумаг // Современная экономика: проблемы и решения. 2014. № 5. С. 16—30. URL: Link
  5. Engle R.F., Manganelli S. CAViaR: Conditional Autoregressive Value at Risk by Regression Quantiles. Journal of Business and Economic Statistics, 2004, vol. 22, iss. 4, pp. 367–381. URL: Link
  6. Benati S., Rizzi R. A Mixed Integer Linear Programming Formulation of the Optimal Mean/Value-at-Risk Portfolio Problem. European Journal of Operational Research, 2007, vol. 176, iss. 1, pp. 423–434. URL: Link
  7. Babat O., Vera J.C., Zuluaga L.F. Computing Near-Optimal Value-at-Risk Portfolios Using Integer Programming Techniques. European Journal of Operational Research, 2018, vol. 266, iss. 1, pp. 304–315. URL: Link
  8. Pang T., Karan C. A Closed-form Solution of the Black–Litterman Model with Conditional Value at Risk. Operations Research Letters, 2018, vol. 46, iss. 1, pp. 103–108. URL: Link
  9. Yoshida Y. An Optimal Process for Average Value-at-Risk Portfolios in Financial Management. In: Applied Physics, System Science and Computers. APSAC 2017, Lecture Notes in Electrical Engineering, 2018, vol. 428, pp. 101–107. URL: Link
  10. Zhang T., Liu Z. Fireworks Algorithm for Mean-VaR/CVaR Models. Physica A: Statistical Mechanics and Its Applications, 2017, vol. 483, pp. 1–8. URL: Link
  11. Sahamkhadam M., Stephan A., Östermark R. Portfolio Optimization Based on GARCH-EVT-Copula Forecasting Models. International Journal of Forecasting, 2018, vol. 34, iss. 3, pp. 497–506. URL: Link
  12. Kakouris I., Rustem B. Robust Portfolio Optimization with Copulas. European Journal of Operational Research, 2014, vol. 235, iss. 1, pp. 28–37. URL: Link
  13. Krzemienowski A., Szymczyk S. Portfolio Optimization with a Copula-Based Extension of Conditional Value-at-Risk. Annals of Operations Research, 2016, vol. 237, iss. 1-2, pp. 219–236. URL: Link
  14. Pavlou A., Doumpos M., Zopounidis C. The Robustness of Portfolio Efficient Frontiers: A Comparative Analysis of Bi-objective and Multi-objective Approaches. Management Decision, 2018. URL: Link
  15. Najafi A.A., Mushakhian S. Multi-stage Stochastic Mean–Semivariance–CVaR Portfolio Optimization under Transaction Costs. Applied Mathematics and Computation, 2015, vol. 256, pp. 445–458. URL: Link
  16. Lwin K.T., Qu R., MacCarthy B.L. Mean-VaR Portfolio Optimization: A Nonparametric Approach. European Journal of Operational Research, 2017, vol. 260, iss. 2, pp. 751–766. URL: Link
  17. Lotfi S., Zenios S.A. Robust VaR and CVaR Optimization under Joint Ambiguity in Distributions, Means, and Covariances. European Journal of Operational Research, 2018, vol. 269, iss. 2, pp. 556–576. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8709 (Online)
ISSN 2071-4688 (Print)

Свежий номер журнала

т. 25, вып. 2, февраль 2019

Другие номера журнала