CV


FA
Hadi Mokhtari

Hadi Mokhtari

Associate Professor

College: Faculty of Engineering

Department: Industrial Engineering

Degree: Ph.D

CV
FA
Hadi Mokhtari

Associate Professor Hadi Mokhtari

College: Faculty of Engineering - Department: Industrial Engineering Degree: Ph.D |

تشکیل پرتفوی مدرن و فرامدرن بازار رمزارزها و تخصیص بهینه اجزاء آن با الگوریتم ژنتیک

Authorsایمان ابراهیمی,محمد تقی رضوان,هادی مختاری
Journalچشم انداز مدیریت صنعتی
Page number۱۷۳
Volume number۱۴
Paper TypeFull Paper
Published At1404/09/28
Journal GradeScientific - research
Journal TypeElectronic
Journal CountryIran, Islamic Republic Of
Journal IndexISC
Keywordsرمزارزها, شاخص بازار, معیارهای ارزیابی پرتفوی, تخصیص بهینه, الگوریتم‌ ژنتیک.

Abstract

مقدمه و اهداف: بازار رمزارزها به‌عنوان یکی از نوسان‌پذیرترین بازارهای مالی، توجه زیادی را جلب کرده است. برخی سرمایه‌گذاران به دلیل ترس از زیان وارد این بازار نمی‌شوند، در حالی که دیگران با امید به کسب سودهای کلان، به ریسک‌های بالا روی می‌آورند. تشکیل پرتفوی بهینه در این بازار با هدف تعادل بین ریسک و بازده انجام می‌شود و نیازمند انتخاب و وزن‌دهی دقیق دارایی‌هاست. ابزارهای تحلیلی و روش‌های مدرن به سرمایه‌گذاران کمک می‌کند تا ترکیبی از دارایی‌ها را انتخاب کنند که ریسک نوسانات بازار را کاهش دهد و بازده مناسبی فراهم کند. روش: این پژوهش، از نظر موضوعی در حوزۀ مطالعات مالی و سرمایه‌گذاری قرار دارد و به‌طور ویژه به بهینه‌سازی پرتفوی رمزارزها می‌پردازد و از لحاظ زمانی، داده‌های تاریخی مورد تحلیل در این مطالعه به دوره بین سال‌های 2021 تا 2023 تعلق دارد. این پژوهش با استفاده از تحلیل شاخص بازار رمزارزها و برخی از رمزارزهای منتخب و تشکیل پرتفوی‌های مختلف با به‌کارگیری معیارهای معتبر سنجش عملکرد پرتفوی و استفاده از الگوریتم‌ ژنتیک، به دنبال مقایسه پرتفوی‌های تشکیل‌شده با یکدیگر و شناسایی کاراترین مدل انتخاب پرتفوی، از بین پرتفوی‌های تشکیل‌شده در این پژوهش است. برای این منظور، ابتدا یک پرتفوی نمونه از شاخص بازار رمزارزها در یک بازه زمانی مناسب ایجاد می‌شود. این بازه زمانی به شکلی انتخاب می‌شود که با وجود نوسانات بازار، تعداد، نوع و وزن رمزارزهای تشکیل‌دهنده پرتفوی شاخص بازار تا حد امکان ثابت باقی بماند. سپس برای این پرتفوی، مقادیر بازده، واریانس، انحراف معیار، نسبت شارپ، نسبت سورتینو، نسبت کالمار و معیار ریسک نسبی (ضریب تغییر)، محاسبه می‌شود. در مرحله بعد، با استفاده از مدل‌ها و الگوریتم‌ ژنتیک، وزن‌های بهینه برای هر یک از رمزارزهای موجود در پرتفوی بازار محاسبه شده و نتایج با هم مقایسه می‌شوند. نتایج و بحث: نتایج مشخص می‌کند که پرتفوی رمزارزهای با بیشترین ارزش بازار به دلیل ثبات بیشتر، ریسک کمتری را نسبت به سایر پرتفوی‌های منتخب تجربه خواهد کرد. همچنین شاخص بازار رمزارزها با استراتژی مدل بهینه‌سازی شارپ از ریسک کمتری نسبت به سایر مدل‌ها برخوردار است و پرتفوی‌هایی تشکیل شده با این مدل، عملکرد بهتری از نظر توازن بین ریسک و بازده نشان می‌دهند. انتخاب پرتفوی بر اساس نسبت بازده به ریسک انحراف از معیار به‌خصوص بر اساس داده‌های تاریخی بلندمدت، نتایج بهتری را برای بهینه‌سازی بر اساس مدل‌های سورتینو و کالمار به همراه دارد و رمزارزهایی که پیش‌بینی‌پذیری بالاتری از خود نشان می‌دهند می‌توانند به انتخاب پرتفوی‌های کاراتر و کاهش ریسک کمک کنند. نتیجه‌گیری: یافته‌ها نشان می‌دهد که پرتفوی‌هایی که بر اساس رمزارزهای با بیشترین ارزش بازار تشکیل شده‌اند، عملکرد بهتری نسبت به سایر پرتفوی‌ها دارند. این دارایی‌ها به دلیل ثبات بیشتر و نوسانات کمتر، ریسک کمتری را برای سرمایه‌گذاران به همراه دارند. بنابراین، توصیه می‌شود که سرمایه‌گذاران به‌ویژه در شرایط بازار ناپایدار، به دارایی‌هایی با ارزش بازار بالا تمرکز کنند تا بتوانند از نوسانات کاهشی جلوگیری کرده و بازدهی مناسبی کسب کنند. استفاده از معیارهایی نظیر نسبت بازده به ریسک انحراف از معیار نامطلوب، نسبت بازده به ریسک حداکثر کاهش ارزش و ارزش در معرض خطر می‌تواند به تنوع در روش‌های انتخاب پرتفوی و امکان مقایسه دقیق‌تر منجر شود. این رویکرد نه‌تنها به افزایش دقت در ارزیابی‌ها کمک می‌کند؛ بلکه می‌تواند پرتفوی‌هایی را شکل دهد که از نظر ریسک و بازده، بهینه‌ و کارآمد هستند.