ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI

Podobne dokumenty
8. Optymalizacja decyzji inwestycyjnych

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP

Definicje ogólne

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Rozmyta efektywność portfela

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

EKONOMETRIA I Spotkanie 1, dn

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Natalia Nehrebecka. Zajęcia 3

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Natalia Nehrebecka. Zajęcia 4

-ignorowanie zmiennej wartości pieniądza w czasie, -niemoŝność porównywania projektów o róŝnych klasach ryzyka.


KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3.

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

TEORIA PORTFELA MARKOWITZA

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Pattern Classification

ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

SZTUCZNA INTELIGENCJA

Weryfikacja hipotez dla wielu populacji

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

CAPM i APT. Ekonometria finansowa

INWESTOWANIE W SEKTORZE ENERGETYCZNYM, PALIWOWYM I SUROWCOWYM NA GPW W WARSZAWIE Z UŻYCIEM MODELI SHARPE A I MARKOWITZA

Arytmetyka finansowa Wykład z dnia

Procedura normalizacji

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010


Funkcje i charakterystyki zmiennych losowych

65120/ / / /200

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Optymalizacja belki wspornikowej

Statystyka Inżynierska

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO INWESTYCJE RZECZOWE NA RYNKU NIERUCHOMO CI JAKO CZYNNIK ZMNIEJSZAJ CY RYZYKO PORTFELA INWESTYCYJNEGO

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

4. OPTYMALIZACJA WIELOKRYTERIALNA

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

Nowe ujęcie ryzyka na rynku kapitałowym

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH

ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza

ANALIZA PORÓWNAWCZA WYBRANYCH METOD GRUPOWANIA SPÓŁEK GIEŁDOWYCH

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko.

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja

Statystyka. Zmienne losowe

PORÓWNANIE METOD PROSTYCH ORAZ METODY REGRESJI HEDONICZNEJ DO KONSTRUOWANIA INDEKSÓW CEN MIESZKAŃ

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH

ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS METODA PROGRAMOWANIA LINIOWEGO. PRZYKŁAD ZASTOSOWANIA W ROLNICTWIE

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej

Model oceny ryzyka w działalności firmy logistycznej - uwagi metodyczne

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak

Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

ZRÓŻNICOWANIE ROZWOJU EKONOMICZNEGO POWIATÓW POLSKI WSCHODNIEJ

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Podstawowe definicje dotyczące zarządzania portfelowego

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

Program studiów podyplomowych

Analiza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń

WYKORZYSTANIE SYMULACJI STOCHASTYCZNEJ DO BADANIA WRAŻLIWOŚCI SKŁADU OPTYMALNYCH PORTFELI AKCJI

Zastosowania badań operacyjnych Zarządzanie projektami, decyzje finansowe, logistyka

Transkrypt:

Krzysztof Wsńsk Katedra Statystyk Matematycznej, AR w Szczecne e-mal: kwsnsk@e-ar.pl ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI Streszczene: W artykule omówono metodologę modelu MOTAD pod kątem zastosowana tej metody do tworzena portfela akcj. Praktyczne wykorzystane zaprezentowanej metody zlustrowano przykładem emprycznym. Słowa kluczowe: podejmowane decyzj, model MOTAD, portfel akcj. KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI Przy podejmowanu decyzj, w szczególnośc decyzj, które dotyczą nwestowana w akcje, waŝnym problemem jest określene warunków, w jakch są one podejmowane. Interesującą taksonomę decyzj zaproponował Kofler (zob. Kofler 993, str. 6). Klasyfkuje on decyzje na: decyzje podejmowane w warunkach pewnośc; wemy jaka będze przyszłość - jest to przypadek determnstyczny; decyzje podejmowane w warunkach ryzyka; znamy rozkład prawdopodobeństwa przyszłych moŝlwych stanów; decyzje podejmowane w warunkach newedzy; ne mamy Ŝadnych nformacj o przyszłośc; decyzje podejmowane w warunkach nepełnej nformacj; przypadek pośredn pomędzy decyzjam podejmowanym w warunkach ryzyka decyzjam podejmowanym w warunkach newedzy. Przy przyjętej klasyfkacj nwestowane na gełdze moŝemy zalczyć do podejmowana decyzj w warunkach ryzyka lub do podejmowana decyzj w warunkach nepełnej nformacj. Perwsze podejśce (warunk ryzyka) ma tę zaletę, Ŝe stosując je moŝna często określć prawdopodobeństwo osągnęca celów nwestycyjnych. Jednak jego wadą jest przyjęce, często trudnych do zweryfkowana, załoŝeń zwązanych z rozkładam cen akcj. Z kole w podejścu drugm (warunk nepełnej nformacj) kosztem utraty loścowych ocen, dotyczących prawdopodobeństwa realzacj celu nwestycj, uzyskuje sę lepszą zgodność załoŝeń modelowanego zjawska z rzeczywstoścą. Przedstawona w tym artykule metoda wspomagana decyzj nwestycyjnych traktuje nwestowane jako decyzję podejmowaną w warunkach nepełnej nformacj.

354 APLIKACJA MODELU MOTAD DO BUDOWY PORTFELA AKCJI Podstawowym parametram kaŝdej decyzj nwestycyjnej (portfela akcj) są spodzewany zysk (stopa zwrotu) ryzyko jego osągnęca. Celem matematycznych metod wspomagających nwestowane jest pogodzene tych dwóch sprzecznych ze sobą celów dostarczene nwestorow wartoścowych warantów strateg nwestycyjnych. Jednym z moŝlwych podejść do optymalzacj portfela akcj jest wykorzystane metod programowana matematycznego. PonŜej zostane omówony tzw. model MOTAD (Mnmalzaton of the Total Absolute Devaton). Model tez został opracowany przez Hazella (zob. Hazell 97) został przez nego wykorzystany do optymalzacj produkcj roślnnej w gospodarstwach rolnych. Metodologa metody MOTAD zostane w nnejszym artykule omówona przy załoŝenu wykorzystana jej do budowy portfela akcj. RozwaŜmy pewen portfel n akcj, który spełna pewne lnowe ogranczena narzucone przez decydenta: Ax b, () x 0, (2) gdze A jest macerzą współczynnków technczno - ekonomcznych, x - wektorem opsującym skład portfela (wektorem zmennych decyzyjnych). ZałóŜmy dalej, Ŝe decydent posada nformacje o cenach kaŝdej akcj w k momentach w przeszłośc: y, y, y, M y 2, y 2 22, y yn, yn2, ynk, (ceny akcj z przeszłośc doberane są w zaleŝnośc od czasowego horyzontu nwestycyjnego, np. w przypadku nwestowana krótkotermnowego mogą to być ceny na zamknęcu sesj gełdowych). Nech y, =,2, n, oznacza średną arytmetyczną cen y, y 2, K, yk. Oznaczmy przez u s, =,2, n, s =,2, k, odchylene ceny -tej akcj w momence s od średnej arytmetycznej ( us s k 2k = y y ). Wprowadźmy teraz neujemne zmenne odchyleń dodatnch z oraz odchyleń ujemnych z, =,2, k, które będą spełnać warunek: n s = +, u x + z z = 0. (3) s s W modelu MOTAD jako marę ryzyka portfela akcj przyjmuje sę wartość k + k + z = = następującej sumy: z. Zatem funkcja celu modelu będze mała postać: + y

355 k k + z = = z + mn. (4) PonewaŜ suma odchyleń dodatnch jest równa sume odchyleń ujemnych: k + k z = z = = zamast ogranczena (3) funkcj celu (4) moŝemy wprowadzć ogranczena funkcję celu n s = y s x s + z k z =, 0 (5) mn. (6) W modelu MOTAD marą ryzyka jest węc suma ujemnych odchyleń cen akcj z przeszłośc od średnch arytmetycznych tych przeszłych cen. Tak jak wspomnano wcześnej, obok mnmalzacj ryzyka, drugm celem portfela akcj jest maksymalzacja oczekwanego zysku. Aby zapewnć satysfakcjonującą stopę zwrotu portfela, do modelu wprowadzmy ogranczene wymuszające odpowedn pozom realzacj spodzewanego zysku. Ogranczene to będze mało postać: b + b x + K + b x. (7) x 2 2 n n λ Współczynnk b, b2, K, bn, wyznaczone na podstawe hstorycznych cen akcj, wyraŝają oczekwane stopy zwrotu z poszczególnych akcj w zakładanym czasowym horyzonce nwestycyjnym. Wartość parametru λ zostaje określona przez decydenta wyraŝa akceptowaną przez nego stopę zwrotu portfela. Model decyzyjny określony przez ogranczena (), (2), (5) (7) z funkcją celu (6) jest modelem, który mnmalzuje ryzyko portfela akcj oraz maksymalzuje, poprzez osągnęce satysfakcjonującego pozomu realzacj, stopę zwrotu portfela. Zaletą metody MOTAD jest jej prostota metodologczna oraz fakt, Ŝe rozwązane modelu otrzymuje sę za pomocą zwykłego programowana lnowego. W alternatywnych modelach, które ogranczają ryzyko poprzez mnmalzację warancj (np. model VE - zob. np. Sengupta 972, str. 244, Krawec 99, str. 46) rozwązane otrzymuje sę przy wykorzystanu procedur programowana kwadratowego.

356 PRZYKŁAD ZASTOSOWANIA MODELU MOTAD DO BUDOWY PORTFELA AKCJI Naszym celem będze zbudowane portfela akcj, w skład którego będą mogły wchodzć cztery spółk: A, B, C, D. Portfel ten utworzymy kupując akcje na zamknęcu sesj pątkowej pewnego tygodna (w tabel - sesja V). Przyjmujemy, Ŝe planowany okres nwestycj jest równy jednemu tygodnow (pęć sesj gełdowych) oraz, Ŝe oczekwana stopa zwrotu z kaŝdej akcj będze w tym okrese równa stope, która sę zrealzowała w tygodnu poprzedzającym nwestycję. Tabela. Ceny akcj (w zł) na zamknęcu pęcu sesj gełdowych oraz stopy zwrotu tych akcj w tym okrese. Sesja I (Pon) Sesja II (Wt) Sesja III (Śr) Sesja IV (Czw) Sesja V (Pt) Spółka A Spółka B Spółka C Spółka D 8,2 20,3 5,2 3,5 8,6 9,5 6,0 4, 9,4 9,0 7, 3,0 9,3 9,5 6,9 2,5 9,5 9,7 7,3 4,4 Stopa zwrotu 0,6-0,03 0,40 0,07 Średna cena akcj 9,0 9,6 6,5 3,5 Źródło: opracowane własne Tabela zawera ceny akcj na zamknęcach pęcu kolejnych sesj, które poprzedzały planowaną nwestycję, średne arytmetyczne tych cen oraz stopy zwrotu osągnęte w czase tego tygodna. Z kole tabela 2 przedstawa wszystke ogranczena modelu oraz zawera funkcję celu. Ogranczene określa kwotę przeznaczoną na nwestycję. Ogranczena 2-7, które dotyczą nwestycj w poszczególne spółk oraz relacj mędzy tym nwestycjam, wynkają z preferencj decydenta. Z kole ogranczena 9-3, zgodne z metodologą modelu MOTAD, są wprowadzone po to, aby za ch pomocą móc wyrazć ryzyko portfela. Lewa strona ogranczena 8 opsuje spodzewany zysk z nwestycj. Ogranczene to jest sparametryzowane ; nwestor moŝe przyjmować za parametr λ róŝne wartośc.

357 Tabela 2. Model MOTAD optymalzujący portfel akcj. Zmenne decyzyjne Nr ogranczena x (A) x 2 (B) x 3 (C) x 4 (D) z z 2 z 3 z 4 z 5 Relacje Wektor ogranczeń Jednostk = 0 000 zł 2-0,5-0,5 0 zł 3-3 -3 0 zł 4 500 zł 5-2 0 zł 6 -,2 0 zł 7-2,2 0 zł 8 0,6-0,03 0,40 0,07 λ zł 9-0,8 0,7 -,3 0 zł 0-0,4-0, -0,5 0,6 0 zł 0,4-0,6 0,6-0,5 0 zł 2 0,3-0, 0,4 -,0 0 zł 3 0,5 0, 0,8 0,9 0 zł Funkcja celu mn zł Źródło: opracowane własne Tabela 3. Rozwązane modelu MOTAD optymalzującego portfel akcj dla róŝnych wartośc oczekwanych stóp zwrotu portfela. Oczekwany zysk x (zł) x 2 (zł) x 3 (zł) x 4 (zł) Funkcja celu λ (zł) (ryzyko) (zł) 878 500 2000 200 2200 2268 409 3268 228 2008 930 2288 3409 2723 849 674 404 046 53 2358 3895 4202 4444 4444 347 65 2038 26 2222 2222 452 554 7340 7700 846 8785 Źródło: oblczena własne Tabela 3 zawera rozwązane modelu portfela akcj z tabel 2 dla przykładowych wartośc parametru λ (model jest nesprzeczny jeśl parametr λ przyjmuje wartośc z przedzału (877,2 zł 2268,75 zł). Wdać, Ŝe wymuszene wększej wartośc oczekwanej zysku daje portfele o wększym ryzyku. Inwestor w zaleŝnośc od swoch preferencj moŝe wybrać rozwązane, które go satysfakcjonuje.

358 LITERATURA Hazell P.B.R. (97) A lnear alternatve to quadratc and semvarance programmng for farm plannng under uncertanty, Amer. J. Agr. Econ. (53), str. 53-62. Kofler E. (993) Podejmowane decyzj przy nepełnej nformacj, Real Publsher, Warszawa. Krawec B. (99) Metody optymalzacj w rolnctwe, PWN, Warszawa. Sengupta J.K. (972) Stochastc Programmng, Nort Holland, Amsterdam. The applcaton of motad model n ndcatng the optmum portfolo structure Summary: The artcle descrbes the methodology of the MOTAD model. The example of the optmsng portfolo structure of an nsurance company has been used to show how the above-mentoned method works. Key words: decson makng, MOTAD model, portfolo.