Фондовый оценки с использованием методологии, предпочтение дезагрегации

РЕЗЮМЕ

Эта статья представляет собой реальную применения помощи многокритериальной решения (ВССГО) подход к формированию портфеля отбор, основанный на предпочтениях дезагрегации, используя порядковый регрессии и линейного программирования (UTADIS метода; Утилиты добавки DIScriminantes). Аддитивных функций полезности, которые определяются на основе этого подхода возможность экстраполяции, что любые новые альтернативные (доли) может быть легко оценить и разделить на один из нескольких предопределенных пользовательских групп. Процедура проиллюстрирована на примере акций 98 из фондовой бирже Афин, используя 15 критериев. Обнадеживающие результаты, отметив, что предлагаемая методика может быть использована в качестве инструмента для анализа портфельных менеджеров предпочтений и выбора. Кроме того, по сравнению с несколькими дискриминантного анализа (либо с помощью ступенчатой процедуры или нет), свидетельствует о превосходстве над предлагаемой методологии известного многомерного статистического метода, который широко используется для изучения финансовых решений проблем.

Предметные области: Case Study, классификация, Decision Analysis, линейное программирование, Multi-Criteria принятие решений, Порядковые регрессии, портфолио, и запасам.

ВВЕДЕНИЕ

Выбор портфеля и управления представляет собой один из наиболее важных областях управления финансами. В общем, проблема выбора портфеля активов предполагает строительство портфель акций (например, акции, облигации и т.д.) в целях максимального полезность инвестора. Первая попытка дать нормативных решений, в портфеле выбор был сделан Марковица в 1952 году. Марковиц (1952) описал основные теории выбора портфеля активов и предложил известный означает инвариантность модели, чтобы определить эффективный портфель, то есть портфель акций, которые не доминирует любого другого портфеля при заданном уровне риска или возвращения . С тех пор несколько методик были предложены для поддержки процесса принятия решений в портфеле выбора. Другие подходы, кроме средней дисперсией модель Марковица включать модель определения стоимости финансовых активов (CAPM), цены Арбитражный теория (APT), и несколько моделей оптимизации. Элтон и Грубер (1987) представил всеобъемлющий обзор методов выбора портфеля активов, в то время обзора Pardalos, Сандстром и Zopounidis (1994) была сосредоточена на оптимизации применения методологии выбора портфеля и управления.

Поскольку основная цель процесса выбора портфеля состоит в максимизации полезность инвестора, было бы полезно, чтобы построить функцию полезности, что представляет собой субъективные политики инвестора и предпочтениями. Многокритериальные решение помощи (ВССГО) предоставляет широкий набор методик для построения функции полезности. Среди этих методик, предпочтение дезагрегации анализа (JacquetLagreze

Тогда задача заключается в оценке функции полезности (как правило, добавка 1), что является как можно более последовательными в известных субъективных предпочтений лица, принимающего решение. После этой модели подтверждена, она может быть использована для поддержки в реальном времени принятия финансовых решений ..

Благодаря применению предпочтение дезагрегации анализа портфеля выбора, можно определить функции полезности, принимающего решения, используя предопределенные классификация (сортировка) справочный набор акций. В этом случае, принимающего решение может считаться портфельным менеджером. Портфолио-менеджер должен сделать рекомендации для его клиентов (инвесторов) в отношении запасов, которые подходят для выбора. Сортировка подход дает ценную информацию относительно пригодности запасов в качестве инвестиционных возможностей, и это позволяет портфельный менеджер классифицировать большое количество запасов на несколько категорий в зависимости от их финансовых и производственных фондовом рынке. Таким образом, вместо того чтобы рассматривать одновременно сотни или даже тысячи акций, торгуемых на бирже, портфельный менеджер может определить ограниченное число акций, на основе которых можно портфеля строительства.

Исходя из вышеизложенного направление исследований, в настоящем документе представлены применения методологии сортировки ВССГО в принятии решений о проблеме выбора портфеля. Предложенная методика основана на реализации метода UTADIS ВССГО (Утилиты добавки DIScriminantes; Devaud, Groussaud,

Во-первых, краткое описание и UTADIS UTADIS я представил методов, после применения этих двух методов по данным фондовой биржи Афин. По сравнению с MDA также выполняется. MDA применяется дважды: Изначально, весь набор фондового рынка и финансовых отношений, которые были использованы для разработки полезных моделей аддитивной путем UTADIS и UTADIS я методы используются, в втором этапе ступенчатой MDA применяется. Классификация результатов этих двух приложений по сравнению с результатами, полученными с помощью предлагаемой методологии дезагрегирования предпочтения. Наконец, выводы данного исследования обобщены и возможные перспективы на будущее приводятся.

PREFERENCE Дезагрегация АНАЛИЗ

Аддитивных функций полезности, которые были разработаны при помощи метода UTADIS и его варианте, имеют возможность экстраполяции. Любые новые альтернативные (доли) может быть легко вычисляется с помощью аддитивной функции полезности разработаны и отнесены к одной из предопределенных пользовательских групп.

Целью данной работы является изучение реализации и сравнение UTADIS и UTADIS Я методов в контексте портфеля, а также для сортировки набора запасов по категориям в зависимости от их фондовый рынок и финансовые показатели. Этот подход может поддержать решение производителя в определении запасов, которые представляют собой лучшие возможности для инвестиций в фондовые биржи. Исходя из этих запасов, то можно перейти в портфолио строительства.

Приложение к Афинской фондовой бирже

Методология ВССГО классификации, описанные в предыдущем разделе, применяется на данные, касающиеся акций, торгуемых на бирже Афин. Выбор биржи Афины из-за наличия этих данных. Действительно, было очень трудно собрать полную и достоверную финансового и фондового рынков данные, касающиеся других европейских и неевропейских биржах. Тем не менее, важно отметить, что полезность предлагаемой методологии не влияет тот факт, что оно применяется только к бирже Афин. Тип данных, которые используются в этом случае исследование, также доступны для аналитиков и инвесторов в других странах. Кроме того, не делается никаких предположений относительно особенностей биржи, ни запасов, которые составляют образец, используемые в этом приложении.

Данные и методология

Данное исследование включает в себя оценку 98 акций из фондовой бирже Афин в зависимости от их поведения на рынке акции и производительности. Эти данные были получены из ежегодного бюллетеня обмена Афинах фонда за 1992 год (Karapistolis, Katos,

Оценки этих запасов на основе 15 критериев финансовой и фондового рынка, которые могут быть разделены на три основные категории (по аналогии с "Аль-Karapistolis и др., 1996):

По большинству критериев, предпочтений портфельных менеджеров растут функций по шкале критерия, а это значит, что чем больше значение критериев, тем больше удовлетворения, принимающего решение. Напротив, критерий G ^ ^ 12 к югу (P / E соотношение) имеет отрицательный показатель, который означает, что предпочтение портфельных менеджеров 'уменьшается значение этого критерия, увеличивается (например, портфельный менеджер предпочитает фонда с низкой ценой , которая может принести высокие доходы). Кроме того, хотя очевидно, что критерии G ^ 2 ^ к югу и к югу G ^ 12 ^ коррелированны, управляющий портфелем экспертов который сотрудничал в этом случае исследование показало, что оба критерия должны быть сохранены в процессе анализа. Результаты, представленные позже показывают, что G ^ 2 ^ к югу является гораздо более важным, чем G ^ ^ 12 к югу, по всей методов.

Исходя из этих критериев оценки, менеджер экспертов портфель фонда опыта работы на рынке оценили 98 акций на стадии рассмотрения и определяется три части классификации, в соответствии с поведением фондового рынка и общей эффективности каждой акции (Karapistolis и др.., 1996):

Первого класса (C ^ 1 ^ к югу) включает в себя девять запасов, которые считаются лучшими инвестиционными возможностями в Афинах обмена акций в течение определенного периода анализа. Эти запасы являются привлекательными для инвесторов, соответствующие фирмы находятся в очень хорошем финансовом положении, и они имеют очень положительную репутацию на фондовом рынке.

Второй класс (C ^ 2 ^ к югу) включает в себя 31 акций. Хотя производительность и фондовому рынку поведение этих запасов достаточно умеренными, они могут быть использованы управляющий портфелем ценных бумаг для достижения диверсификации портфеля.

Наконец, третий класс (C ^ 3 ^ к югу) включает в себя 58 акций, которые не кажутся хорошие инвестиционные возможности, по крайней мере, в среднесрочной и долгосрочной перспективе.

Это три части подход классификация позволяет портфельный менеджер выделить перспективные запасы из менее перспективных. Тем не менее, акции, которые находятся принадлежать к третьему классу (менее перспективные запасы) не обязательно исключить из дальнейшего рассмотрения. Хотя портфельный менеджер получает информацию о своих бедных фондового рынка и финансовой деятельности в долгосрочной перспективе, он или она может выбрать некоторые из них (лучшие из них в соответствии с их глобальной коммунальных услуг) в целях обеспечения диверсификации портфеля или делать краткосрочные прибыли . В этом смысле, полученные классификации в сочетании с глобальным оценкам утилиты запасов обеспечит необходимый вид информации, портфельных менеджеров, он поддерживает процедуры оценки фонда и приводит к выбору ограниченного количества акций для портфельного строительства. На самом деле, глобальные утилиты запасов может быть использован как дополнительный критерий в процессе строительства портфеля.

Результаты, полученные методом UTADIS

С помощью классификации запасов в указанных классов, определяемых портфельный менеджер и на основе 15 критериев оценки, представленные в предыдущем разделе, классификация аддитивных полезную модель была разработана с использованием UTADIS. Эта добавка на полезную модель имеет следующий вид:

В таблице 1 показаны результаты классификации, то есть оригинальная классификация, по оценкам, глобальный утилиты запасов, утилита пороги, и соответствующие оценкам классификации. Согласно этим результатам, 8 запасы классифицируются по модели различного класса, чем класс, к которому они принадлежат на самом деле, в результате чего общая точность классификации 91,84%. Ошибочную запасов приведены в Таблице 1 жирным использованием символов.

Множественные Дискриминантный анализ

Дискриминантного анализа (DA), предложенный Фишер (1936) можно рассматривать как первый подход к рассмотрению нескольких факторов (переменных) для того, чтобы различия между различными группами объектов. Когда Есть более 2 групп, применение многочисленных дискриминантного анализа (MDA) приводит к развитию линейных дискриминантных функций, которые обеспечивают максимальные соотношение между-группы withingroup изменчивости; это предполагает, что переменные последующей многомерного нормального распределения, и что дисперсии матриц группы равны. Ясно, что оба эти предположения представляют собой серьезную проблему по применению MDA в реальных ситуациях, так как они трудно (см. Zanakis

MDA был выбран для сравнения, в этом случае исследование из-за своей популярности в области финансов в изучении финансовых проблем, требующих решения группировки множества альтернатив (Altman, Avery, Эйзенбеис,

Поскольку в этом случае исследование Есть три группы запасов, применение MDA привели к разработке двух линейных дискриминантных функций. MDA был использован дважды в этом случае исследование различий между тремя группами запасов. Первоначально все 15 фондового рынка и финансовых показателей были внесены дискриминантных функций, на стадии рассмотрения. Таким образом, сопоставление между MDA и семейство методов UTADIS будет на той же основе, то есть способность различать MDA из трех предопределенных групп запасов оценивается с помощью полной информации (15 критериев оценки), который был включены в модели, разработанные в рамках UTADIS и UTADIS Я методами. Впоследствии ступенчатой процедура была использована для выбора наиболее значимых отношений, которые будут включены в дискриминантных функций, на 10% уровне значимости. Это использует способность MDA к дискриминации между группами на основе сокращенного информации, в том числе только наиболее статистически значимых величин.

Коэффициенты всех 15 критериев оценки, полученные в дискриминантных функций, приведены в Таблице 4. В таблице 5 представлены дискриминантных функций, разработанные в рамках ступенчатой процедуры. Важно отметить, что среди коэффициентов, которые были обнаружены статистически значимые по ступенчатой процедуры G ^ подпункта 10 ^ (стоимость сделки в день) и G ^ 11 ^ к югу (акционерного капитала) также были найдены значительные в обеих моделей, разработанных по UTADIS и UTADIS Я методами. Тем не менее, G ^ ^ 8 к югу (соотношение обмена поток) было найдено значительное в ступенчатой модели и UTADIS I, но не в UTADIS.

Первый дискриминантной функции в каждой паре дискриминирует первого класса акций (C ^ 1 ^ к югу) от двух других (классов C ^ 2 подпункта \ и C ^ 3 ^ к югу), а второй дискриминантной функции дискриминирует запасов в классе C ^ ^ 2 к югу от тех, в классе C ^ 3 югу ^. С помощью этих дискриминантных функций, классификация запасов в три предопределенных групп достигается путем вычисления вероятности того, что задняя наблюдение относится к конкретному классу. Вероятность того, что наблюдение относится к определенному классу в основном пропорционально расстоянию Махаланобиса из этого класса тяжести (при условии, многомерного нормального распределения вокруг каждого центра тяжести).

2 дискриминантных функций, используя все фондового рынка и финансовых отношений неправильной классификации 22 из 98 акций в класс отличается от той, что управляющий портфелем экспертов поручил них (точность классификации 77,55%). С другой стороны, дискриминантных функций, разработанные в рамках ступенчатой процедуры неправильной классификации 20 акций (79,59 точности классификации%). Тем не менее, интересно отметить, что ступенчато снижает missclassification ошибка C ^ 3 ^ к югу -> C ^ подпункта 2 ^ (с 24,14% до 15,52%), но увеличивает погрешность C ^ 2 ^ к югу -> C ^ 3 ^ к югу (с 6,45% до 16,13%). Это говорит о том, что учет только статистически значимые переменные дискриминантной функции может привести к некоторому улучшению MDA общая точность классификации. Тем не менее, в обоих случаях, MDA предоставляет значительно ниже, чем точность классификации либо UTADIS или UTADIS I (91,84%), и это также верно для каждого из 3 misclassifications пары. Таблицы 6 и 7 иллюстрируют точность классификации запасов в три предустановленных групп за счет применения MDA с использованием полного набора всех норм и ступенчатой процедуры, соответственно.

Большинство ошибок классификации МДА включает акции, принадлежащие к третьему классу, C ^ 3 ^ к югу (бедные финансовых и производственных фондового рынка), в котором MDA обновления до класса C ^ 2 ^ к югу. Среди 58 таких запасов, модели MDA использует все 15 соотношений misclassifies 14 из них в качестве запасов умеренных финансовых и производственных фондового рынка (точность классификации 75,86%), а ступенчатой MDA misclassifies лишь девять акций (точность классификации 84,48%). С другой стороны, как и UTADIS UTADIS я правильно классифицировать 55 акций в классе C ^ 3 югу ^ (точность классификации 94,83%). Что касается двух других меньших классов акций обеспокоены, точность классификации обеих моделей MDA (используя либо полный или сокращенный набор коэффициентов) является 66,67% для класса C ^ 1 к югу ^ (3 акции ошибочную в классе C ^ 2 ^ к югу). Для класса C ^ 2 югу ^ классификации точности модели MDA помощью полного набора 15 соотношений 83,87% (3 акции ошибочную в классе C ^ 1 к югу ^ и 2 акции ошибочную в классе C ^ 3 югу ^), в то время как точность классификации ступенчатой MDA сводится к 74,19% (3 акции ошибочную в классе C ^ 1 к югу ^ и 5 запасов ошибочную в классе C ^ 3 югу ^).

В дополнение к очевидной низкая эффективность по сравнению с MDA предлагаемого анализа разбивки предпочтение, следует также рассмотреть недостатки известная MDA, которые создают существенные ограничения в применении MDA для изучения реальных финансовых решений и других бизнес-задач. Эти недостатки включают ограничительные предположения о статистической (совместное нормальное) распределение независимых переменных, равных матрицы дисперсии между группами, а также проблемы мультиколлинеарности, трудности в объяснении процент ошибок, выбор и априорные вероятности ошибочной классификации расходов и т.д. ( Эйзенбеис, 1977).

ВЫВОДЫ

Эта статья представляет применение методологии предпочтение дезагрегации для выбора портфеля и управление ими на основе UTADIS и UTADIS Я методами. Предложенная методика основана не на ограничениях, касающихся отношения-политическое решение портфельный менеджер и инвестор, ни работы на фондовом рынке. Ее преимущество над дискриминантного анализа является то, что он не требует предположений статистических весов и обеспечивает всех соответствующих критериев, в том числе качественные. По сравнению с другими методами ВССГО, информация, которую UTADIS и UTADIS я методы требуют минимально. Портфельный менеджер должен лишь определить первоначальной классификации справочный набор акций в соответствии с его или ее решением. Это можно сделать легко на основе прошлого опыта и решений. После классификации была разработана модель, он может быть применен для дополнительных акций, оценить их производительность и поведение фондового рынка в режиме реального времени и сделать соответствующие рекомендации для инвесторов. Портфельный менеджер может таким образом добавить или удалить из портфеля акций рассмотрения. Это основной практического использования модели, полученные с этой методологии. Кроме того, требования со стороны пользователя, из prespecification категорий и классификации каждой акции в один из них на модель развития, не является недостатком.

При этом агрегация, опытный руководитель может сравнить результаты моделирования против его ожидания. Именно этот вид реального действия, необходимые для пользователя, чтобы принять решения модели науки ..

Эта классификация полезности подход обеспечивает разграничение запасов, которые имеют высокий фондового рынка и финансовых показателей, из запасов, которые находятся в промежуточной ситуации, и те, которые не имеют позитивной перспективы фондового рынка. Таким образом, портфельный менеджер может определить широкий спектр возможных альтернатив (акций), которые представляют собой лучшие инвестиционные возможности в соответствии с его или ее решением. В то же время, по оценкам, глобальный полезность каждого фонда могут быть использованы в качестве показателя для оценки уровня конкурентоспособности между акций того же класса.

Тем не менее, оценка эффективности комплекса запасов является лишь первым шагом в выборе портфеля и управления учебным процессом. После того, портфельный менеджер определил те запасы, которые представляют собой лучшие возможности для инвестиций, и в соответствии с имеющимися средствами, он может строить конкретные портфеля, которая отвечает своей цели инвестиций. Таким образом, предлагаемая методика должны быть объединены в втором этапе с многокритериальной или цель методологии программирования, с тем чтобы построить такой портфель (Hurson

[В редакцию: 14 июля 1997. Принято: 28 июля 1998.].

Ссылки

Олтман, Э. И., Avery Р., Эйзенбеис Р.,

Devaud, J. М., Groussaud Г.

Эйзенбеис, Р. (1977). Ошибок в применении дискриминантного анализа в сфере бизнеса, финансов и экономики. Журнал Финанс, 32, 723-739.

Элтон, Е. J.,

Фишер, Р. А. (1936). Использование нескольких измерений в таксономических проблем. Летопись евгеники, 7, 79-188.

Hurson, C.,

Жаке-Lagreze, Е. (1995). Применение ЮТА дискриминант модели для оценки R

Жаке-Lagreze Е.,

Karapistolis Д., Katos А.,

Маркович, H. (1952). Выбор портфеля. Журнал Финанс, 7 (1), 77-91. Pardalos, П. М., Сандстром, М.,

Pardalos, П. М., Siskos Ю.,

Siskos, Y,

Ю, Г. Y (1997). Комплексный подход к выбору критериев эффективного фондового портфеля на фондовой бирже Хельсинки. Журнал евро-азиатских управления, 3 (2), 53-85.

Zanakis, S.,

Zopounidis, C. (1997). Многокритериальные решения помощь в управлении финансами. В Barcelo J. (ред.). Пленарные заседания и учебные ЕВРО-XV сообщает XXXIV совместное международное совещание, 7-31.

Zopounidis, C.,

Константин и Михаил Zopounidis Doumpos

Технический Университет Крита, Кафедра инженерной производства и управления, систем поддержки принятия решений Лаборатории Университета Campus, 73100 Ханья, Греция Stelios Zanakis

Международный университет Флориды, Decision Sciences

Константин Zopounidis профессор финансового управления и исследование операций в Техническом университете Крита. Он был награжден Мойсила Золотая медаль и Диплом Мойсила Международного фонда для научной работы на Многокритериальные DSS и их применение в управлении финансовыми рисками. Он является автором четырех книг о венчурного капитала, риска банкротства (Economica, Париж), финансовое моделирование (Physica Verlag, Гейдельберг), а также управления финансовыми рисками (Kluwer Academic Publishers, Дордрехт), а также соавтором 6 книг, касающихся данных анализ, многокритериальная анализа и бизнес-приложения (Kluwer Academic Publishers, Дордрехт), управление в условиях неопределенности (AEDEM Editions, Виго) и управление портфелем (Economica, Париж). Он имеет более 80 опубликованных статей, появляющихся в различных международных научных журналах, в том числе вычислительных экономики, систем поддержки принятия решений, Европейский журнал исследования операций, экспертные системы с приложениями, а также журнал Global Finance, среди других. В настоящее время его научные интересы сосредоточены на таких областях, как управление финансовыми рисками и проектирования / разработки многокритериальных систем поддержки принятия решений для финансового анализа и планирования ..

Майкл Doumpos получил степень магистра в технике производства и управления из Технического университета Крита в 1997 году и в настоящее время он аспирант кафедры производственного инжиниринга и управления технического университета Крита. Он статей в международных научных журналах, таких как системы поддержки принятия решений, экспертных систем с приложениями, "Основы вычислительной и Decision Sciences, а также методов оптимизации и программного обеспечения. Его научные интересы сосредоточены на нескольких областях критерии принятия решения решений, финансовый менеджмент и аналитические системы поддержки принятия решений.

Stelios Zanakis является профессором Решение наук и информационных систем Департамента и Райдер центр логистики в Florida International University. Он получил докторскую степень в управлении наукой, MS в области статистики и MBA, все из Университета штата Пенсильвания. Он был награжден несколькими учебными признания, в том числе во Флориде Совет регентов награды профессионального мастерства (1997) и обучение (1994), Международного университета Флориды в Excellence в области научных исследований премии (1993) и передового опыта в области преподавания премии (1991), Колледж Деловое администрирование присужденной Достижение (1990), а также выдающейся наградой службы (1986). Он опубликовал множество статей в крупных американских и европейских журналах, таких, как Decision Sciences, менеджмент, Европейский журнал исследования операций, Европейский журнал по информационным системам, Omega, журнал исследования операций общества, и другие.