نوع مقاله : مقاله پژوهشی

نویسندگان

1 فارغ التحصیل کارشناسی ارشد مدیریت مالی، دانشکده ی اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.

2 استاد مدیریت، دانشکده ی اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.

3 استادیار مدیریت، دانشکده ی اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایران.

چکیده

معرفی:
در بسیاری از موارد به ‌منظور انتخاب یک گزینه از بین تعداد محدودی گزینه سرمایه­گذاری، لازم است رتبه­بندی انجام  شود. این رتبه­بندی برحسب اولویت­ها و مزایای هریک بر دیگری که معمولاً برحسب شاخص­های خاصی ارائه می­گردد، انجام می­شود. بدین ترتیب موقعیت هر گزینه سرمایه­گذاری نسبت به گزینه­های دیگر مشخص ‌شده و تصمیم­گیرنده می­تواند با اطمینان از برتری هریک نسبت به دیگری انتخاب درست را انجام دهد. از طرفی صندوق­های سرمایه­گذاری می­توانند نقش بسزایی در اقبال عمومی به بازار بورس داشته و با اتخاذ سیاست­های مناسب در کاهش تورم،  افزایش تولید و رونق اقتصاد ملی نقش اساسی ایفا نمایند. بر این اساس ضمن توجه به نقش مطلوبیت در امر تصمیم­گیری و در نظر گرفتن ریسک­پذیری سرمایه­گذار هدف پژوهش حاضر بکارگیری یک مدل ترکیبی متشکل از روش خوشه­بندی و تجمیع مطلوبیت­های تمایزگر به ‌منظور رتبه­بندی و تشکیل پرتفویی از صندوق­های قابل معامله است.
متدولوژی:
این پژوهش از نظر هدف کاربردی، از نظر شیوه گردآوری داده‌ها توصیفی است و در آن روش تحلیلی-ریاضی ‌بکار برده شده است. از نظر موضوعی در حوزه تحقیق در عملیات و مدیریت مالی قرار می‌گیرد. داده‌های گردآوری ‌شده، به ‌وسیله قابلیت نرم­افزار Excell مورد تحلیل قرار گرفته و متغیرهای مورد نظر محاسبه گردیدند. در ادامه بر اساس اطلاعات حاصله و با استفاده از نرم­افزار MATLAB  تحلیل خوشه­ای به روش k میانگین انجام گرفته، نهایتاً محاسبات روش تجمیع مطلوبیت­های تمایزگر با استفاده از نرم­افزارهای Excell و GAMS  انجام‌ شده و مدل اولیه حل گردید.
یافته ها:
در این پژوهش طی فرآیندی پنج مرحله­ای،  ابتدا صندوق­های سرمایه­گذاری قابل ­معامله جهت رتبه­بندی به ‌عنوان مطالعه موردی انتخاب و از بین 32 صندوق قابل معامله (جامعه)، 26 صندوق به ‌عنوان نمونه در دوره زمانی فروردین 1392 تا آذر 1397 در بازار سرمایه ایران در نظر گرفته شد، در مرحله دوم 3 گروه معیار شامل معیارهای عمومی ارزیابی عملکرد (بازده، ریسک و بتای پرتفوی)، معیار­های مدرن (نسبت­های شارپ، ترینر، جنسن و مودیلیانی-میلر) و معیارهای پست ‌مدرن (نسبت­های امگا، سورتینو، کاپا و پتانسیل مطلوب) تئوری پرتفوی بکار رفته در پژوهش­های پیشین برای صندوق­های نمونه محاسبه شدند و با استفاده از شاخص­های مذکور به روش  kمیانگین، خوشه­بندی انجام گرفت، سپس با توجه به معیارهای تفکیک، بهترین تعداد خوشه­ها تعیین شد. نتایج روش خوشه­بندی، اطلاعات ورودی روش تجمیع مطلوبیت­های تمایزگر  بوده و رتبه­بندی صندوق­ها صورت گرفت. پس از حل مدل اولیه، به ‌منظور بهبود نتایج، تحلیل پس­بهینگی انجام شد، پس از انجام تحلیل پس­بهینگی، وزن شاخص‌ها و مطلوبیت گزینه‌ها تعیین شد. سپس به‌ منظور اعتبارسنجی نتایج، آزمون صحت نتایج طبقه‌بندی و آزمون خطای طبقه‌بندی اجرا گردید.
نتیجه:
نتایج پژوهش حاکی از آن است که چارچوب ترکیبی استفاده ­شده مناسب بوده و شاخص بازده با وزن 153/0، بیشترین نقش و شاخص نسبت ترینر با وزن 039/0، کمترین نقش را در سبد سرمایه­گذاری داشته است، همچنین با توجه به نتایج بدست ­آمده از صحت طبقه­بندی و آزمودن نمونه­های آزمون، مشخص شد که دقت مدل 100 درصد است و در نهایت سه صندوق قابل معامله­ آرمان آتی کوثر، قابل معامله با درآمد ثابت کیان و پارند پایدار سپهر که طبق خوشه­بندی k میانگین در خوشه اول قرار گرفته و بر اساس روش تجمیع مطلوبیت­های تمایزگر بیشترین مطلوبیت را داشته­اند، جهت تشکیل پرتفوی انتخاب شدند.  

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Forming an portfolio of Exchange Traded Funds with the Clustering and UTADIS Models

نویسندگان [English]

  • Fateme Rahmani Asl 1
  • Hasan ali Sinaei 2
  • Abdolhossein Neis 3

1 Master of Financial Management, Faculty of Economics and Social Sciences Shahid Chamran University of Ahvaz, Ahvaz, Iran.

2 Full Professor of Management, Faculty of Economics and Social Sciences, Shahid Chamran University of Ahvaz, Ahvaz, Iran

3 Assistant Professor of Management, Faculty of Economics and Social Sciences, Shahid Chamran University of Ahvaz, Ahvaz, Iran.

چکیده [English]

INTRODUCTION
In many cases, it is necessary to rank among the limited number of investment options in order to choose one. The ranking is based on the priorities and benefits of each one compared to the other, which is usually offered in terms of certain indices. Thus, the position of each investment option is determined in relation to the other options and the decision maker can make the right choice by assuring the superiority of each one over the other. On the other hand, investment funds can play a major role regarding public interest in the stock market and contribute to reducing inflation, increasing production and boosting the national economy by adopting appropriate policies. On this basis, besides considering the role of utility in decision-making, and investor’s risk-taking, the aim of this study is to use a hybrid model of clustering and utilities additives discriminates (UTADIS) methods to rank and form a portfolio of exchange traded funds.
 
METHODOLOGY
This research is applied in terms of purpose and descriptive in terms of data collection method, and the analytical-mathematical method has been utilized in it. Regarding the field of research, it falls under operational and financial management. The data were analyzed and the variables were calculated using Excel. Based on the obtained information and using MATLAB, cluster analysis was done applying the k-means method. Finally, the calculation of the utilities additives discriminates (UTADIS) method was calculated using Excel and GAMS and the initial model was solved.
 
FINDINGS
In this study, during a five-stage process, first the exchange traded investment funds were chosen for ranking as a case study, and from 32 Exchange Traded Funds (population), 26 Funds from Iran’s capital market were selected as samples from March 2013 to November 2018. In the second step, three benchmark groups consisting of performance evaluation general criteria (return, risk and portfolio beta), modern criteria (sharp, treynor, Jensen and M2 ratios), and postmodern criteria (omega, sortino, kappa and upside potential) of the portfolio theory used in earlier research were calculated for the sample funds and were clustered with the mentioned criteria using the K-means method. Afterwards, considering certain validation indexes, the ideal number of clusters was determined. The results of the clustering method were the input data of the UTADIS method and the funds were ranked. After solving the primal model, in order to improve the results, a post-optimality analysis was done, after which, the weight of the criteria and the utility of alternatives were determined. Then in order to validate the results, the classification results validity test and the classification error test were carried out. 
 
CONCLUSION
The results show that the hybrid method used was suitable and the return index with a weight of 0/153 had the biggest role and the Treynor ratio index with a weight of 0/039 had the smallest role in the Investment Portfolio. Also, with regard to the obtained results from the classification validity and testing the test sample, it was determined that the model was 100 percent accurate. Finally, three exchange traded funds of Arman Ati Kosar, Kian fund, tradable with a fixed income and Parand Paidar Sepehr, fell into the first cluster according to the k-mean clustering method and based on the utilities additives discriminates method, were the most desirable and were selected for portfolio formation.

کلیدواژه‌ها [English]

  • Multiple Criteria Decision Analysis
  • UTADIS
  • Modern and Post Modern Portfolio Theory criteria
  • Exchange Traded Funds
Amidi, A. (2009). Sampling theory and its application (1). University Publishing Center. (in Persion)## Doumpos, M., & Zopounidis, C. (2002). Multi–criteria classification methods in financial and banking decisions. International Transactions in Operational Research9(5), 567-581.‏ ##Esmaelian, M., Shahmoradi, H., & Vali, M. (2016). A novel classification method: A hybrid approach based on extension of the UTADIS with polynomial and PSO-GA algorithm. Applied Soft Computing49, 56-70.‏ ##Gad, S., & Andrikopoulos, P. (2019). Diversification benefits of Shari'ah compliant equity ETFs in emerging markets. Pacific-Basin Finance Journal53, 133-144.‏ ##Galagedera, D. U., Roshdi, I., Fukuyama, H., & Zhu, J. (2018). A new network DEA model for mutual fund performance appraisal: An application to US equity mutual funds. Omega77, 168-179.‏ ##Grau-Carles, P., Doncel, L. M., & Sainz, J. (2019). Stability in mutual fund performance rankings: A new proposal. International Review of Economics & Finance61, 337-346.‏ ##Greco, S., Kadziński, M., Mousseau, V., & Słowiński, R. (2012). Robust ordinal regression for multiple criteria group decision: UTAGMS-GROUP and UTADISGMS-GROUP. Decision Support Systems52(3), 549-561.‏ ##Hosseini, S., & Hamidi, N. (2016). Common funds investment portfolio optimization with fuzzy approach. Procedia Economics and Finance36, 96-107.‏ ##Manshadi, E. D., Mehregan, M. R., & Safari, H. (2015). Supplier classification using UTADIS method based on performance criteria. International Journal of Academic Research in Business and Social Sciences5(2), 31.‏ ##Mehrgan, M. R., & Mehrgan, M. J. (2017). Operational research with financial approach: Academic Book Publishing, Tehran. (in Persion) ##Mehregan, M. R., Sadeghi Moghadam, M. R., & Emamat, M. S. M. M. (2018). Applying the Clustering and UTADIS Models to form an Investment Portfolio. Financial Research Journal20(1), 53-74.‏ ##Momeni, M. (2011). Data clustering (cluster analysis): Author Publications, Tehran. (in Persion) ##Niknia, N. (2013). Review the impact of portfolio diversification on adverse risk in tehran stock exchange (Master dissertation). Available from Irandoc. Ac.ir. (in Persion) ##Pendaraki, K., Zopounidis, C., & Doumpos, M. (2005). On the construction of mutual fund portfolios: A multicriteria methodology and an application to the Greek market of equity mutual funds. European Journal of Operational Research163(2), 462-481.‏ ##Raei, R., & Puyanfar, A. (2004). Advanced investment management:  Samt Publications, Tehran. (in Persion) ##Sadeghi Moghadam, M. R., Alibakhshi, R., & Khalili, E. (2015). An Assessment of Selected Mutual Funds in Iran Stock Market Using a Combined Method of TOPSIS, VIKOR and Similarity-Based Approach. Financial Research Journal17(2), 259-282.‏ ##Sherrill, D. E., & Stark, J. R. (2018). ETF liquidation determinants. Journal of Empirical Finance48, 357-373.‏ ##Sinaei, H., Basirzad, H., & Samandar, M. (2014). Application of Clustering Analysis in Assessing the Performance of Mutual Funds. Financial Management Strategy2(1), 1-20.‏ ##Sinaei, H. A., Mehrabi, A., Basirzade, H., & Samandar, M. (2016). Appling an expected regret minimization in constructing portfolio of mutual funds. Quarterly Journal of Quantitave Economics, 13(1), 119-140. (in Persion) ##Zopounidis, C., & Doumpos, M. (2001). A preference disaggregation decision support system for financial classification problems. European Journal of Operational Research130(2), 402-413.‏ ##