مدیریت سبد سرمایه گذاری

این کتاب در بانک کتاب تلکتاب عرضه شده است
شما می توانید لذت خرید آسان و مطمئن را با تلکتاب تجربه کنید
خرید کتاب و ارسال رایگان به سراسر کشور در سریعترین زمان ممکن
درصورتی که موفق به خرید اینترنتی کتاب نشدید می توانید برای خرید تلفنی کتاب با شماره 66470460-021 تماس حاصل فرمایید.

کاربرد مولفه‌های اصلی (PCA) در مدیریت سبد سرمایه گذاری، مطالعه موردی: 50 شرکت برتر بورس مدیریت سبد سرمایه گذاری اوراق بهادار

تشکیل سبد سرمایه گذاری یکی از اصلی‌ترین دغدغه‌های مدیران و سرمایه گذارانی است که همواره در جست‌وجوی تلاش برای تشکیل بهترین سبد سرمایه گذاری هستند تا بتوانند بیشترین بازده را از بازار بدست آورند. تاکنون روش‌های زیادی برای تشکیل سبد سرمایه گذاری معرفی شده است که مشهورترین آن رویکرد مارکویتز است. تئوری میانگین-واریانس به دلیل دشواری در تخمین بازده مورد انتظار و کواریانس برای طبقات مختلف دارایی دارای اشکالات عملی زیادی است. هدف از این پژوهش به حداکثر رساندن بازده تنظیم شده با ریسک در سبد سهام با استفاده از روش PCA در یک مجموعه داده از بازده سهام است. مجموعه داده مورد استفاده برای این مطالعه موردی، داده‌های روزانه تعدیل‌شده 50 شرکت شاخص برتر بورس و سهام مربوطه است برای دوره زمانی 1395-02-06 الی 11-09- 1399 برای 1027 روز معاملاتی است. از یک الگوریتم کاهش بعد (PCA) برای تخصیص سرمایه مدیریت سبد سرمایه گذاری به کلاس‌های مختلف دارایی برای به حداکثر رساندن بازده‌های تعدیل شده توسط ریسک استفاده می‌‌کنیم و نتایج آن را با رویکرد تخصیص وزن برابر (1/N) مقایسه شده است. همچنین یک چارچوب پس آزمایی برای ارزیابی عملکرد سبدهای سرمایه گذاری‌ای که ارائه شده است، معرفی می‌-شود. مطابق نتایج نشان داده شد که واریانس توضیح داده شده توسط سه مولفه اصلی می‌تواند به عنوان شاخصی برای شناسایی مهم‌ترین ریسک‌های کسب و کار باشد.

کلیدواژه‌ها

عنوان مقاله [English]

The Application of the Main Components in Investment Basket Management: A Case Study of Fifty Stock Exchange Companies

نویسندگان [English]

• Marziyeh Nourahmadi 1
• Hojjatollah Sadeqi 2

1 Corresponding Author, Ph.D. in Financial Engineering, Accounting, and Financial Department, Faculty of Economics, Management and Accounting, Yazd University, Yazd.Yazd.Iran

2 Associate Professor, Department of Accounting and Financial Department, Faculty of Economics, Management, and Accounting, Yazd University, Yazd.Yazd.Iran

Abstract
Establishing an investment portfolio is one of the main concerns of managers and investors who are always looking for an effort to form the best investment basket so that they can achieve the most returns. So far, there have been many مدیریت سبد سرمایه گذاری ways to form an investment basket, the most famous of which is Maritz's approach. The average theory of variance has many practical drawbacks due to the difficulty in estimating the expected returns and covariance for different asset classes. The purpose of this study is to maximize risk -adjusted return on the portfolio using PCA method in a data base of stock returns. The data base used for this case study is the daily data modified of 50 top stock and relevant stock index companies for the period 25/4/2016 to 7/2/2021 for 1027 trading days. We use a dimensional reduction algorithm (PCA) to allocate capital to different asset classes to maximize risk -adjusted returns and the results are compared with the equal weight allocation approach (1/N). There is also a post -test framework for evaluating the performance of the investment baskets provided. According to the results, the variance explained by the three main components can be an indicator for identifying the most important business risks.

کلیدواژه‌ها [English]

• Analysis of Basic Components
• Optimization
• Stock Basket
• Systematic Risk Classification

مراجع

راعی، رضا؛ باجلان، سعید و عجم، علیرضا (1397). بررسی کارآیی بهینه‏سازی سبد سرمایه‏گذاری با استفاده از الگوی ترکیبی حداقل واریانس و 1/N. . مدیریت دارایی و تأمین مالی، 6(4)، 155–166.

کریمی، آرزو (1400). بهینه‌سازی سبد سهام با استفاده از الگوریتم ژنتیک چند هدفه (NSGA II) و ماکزیمم نسبت شارپ. مهندسی مالی و مدیریت اوراق بهادار، 12(46), 410-389.

نبی‌زاده، احمد؛ قره‌باغی، هادی و بهزادی، عادل (1396). بهینه‌سازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم‌های تکاملی. تحقیقات مالی، 19(2)، 340-319.

Agarwal, T., Quelle, H., & Ryan, C. (2021). Principal Component Analysis for Clustering Stock Portfolios. Arizona Journal of Interdisciplinary Studies, 7,

Bechis, L., Cerri, F., & Vulpiani, M. (2020). Machine Learning Portfolio Optimization: Hierarchical Risk Parity and Modern Portfolio Theory.

Billio, M., Getmansky, M., Lo, A. W., & Pelizzon, L. (2012). Econometric measures of connectedness and systemic risk in the finance and insurance sectors. Journal of Financial Economics, 104(3), 535–559.

Brinson, G. P., Hood, L. R., & Beebower, G. L. (1986). Determinants of portfolio performance. Financial Analysts Journal, 42(4), 39–44.

Cochrane, J. H. (1999). Portfolio advice for a multifactor world. National Bureau of Economic Research,

Conlon, T., Cotter, J., & Kynigakis, I. (2021). Machine Learning and Factor-Based Portfolio Optimization. Available at SSRN 3889459.

Gabriel, C. (2014). Common factors in international bond returns and a joint ATSM to match them. Theoretical Economics Letters,

Gorakala, S. K., & Usuelli, M. (2015). Building a recommendation system with R. Packt Publishing Ltd.

Gu, S., Kelly, B., & Xiu, D. (2021). Autoencoder asset pricing models. Journal of Econometrics, 222(1), 429–450.

Jolliffe, I. T. (1986). Principal components in regression analysis. In Principal component analysis (pp. 129–155), Springer.

Kelly, B. T., Pruitt, S., & Su, Y. (2019). Characteristics are covariances: A unified model of risk and return. Journal of Financial Economics, 134(3), 501–524.

Kim, D.-H., & Jeong, H. (2005). Systematic analysis of group identification in stock markets. Physical Review E, 72(4), 46133.

Kritzman, M., Li, Y., Page, S., & Rigobon, R. (2011). Principal components as a measure of systemic risk. The Journal of Portfolio Management, 37(4), 112–126.

Kumar, S. (2022). Effective hedging مدیریت سبد سرمایه گذاری strategy for us treasury bond portfolio using principal component analysis. Academy of Accounting and Financial Studies Journal, 26(2), 1–17.

Nourahmadi, M., & Sadeqi, H. (2021). Hierarchical Risk Parity as an Alternative to Conventional Methods of Portfolio Optimization: (A Study of Tehran Stock Exchange). Iranian Journal of Finance, 5(4), 1–24.

Partovi, M. H., & Caputo, M. (2004). Principal portfolios: Recasting the efficient frontier. Economics Bulletin, 7(3), 1–10.

Pérignon, C., Smith, D. R., & Villa, C. (2007). Why common factors in international bond returns are not so common. Journal of International Money and Finance, 26(2), 284–304.

Tatsat, H., Puri, S., & Lookabaugh, B. (2020). Machine Learning and Data Science Blueprints for Finance From Building Trading Strategies to Robo-Advisors Using Python. O’Reilly Media, Inc.

Zheng, Z., Podobnik, B., Feng, L., & Li, B. (2012). Changes in cross-correlations as an indicator for systemic risk. Scientific Reports, 2(1), 1–8.

بهینه سازی سبد سرمایه گذاری چنددوره ای با رویکرد برنامه ریزی پویا

انتخاب سبد سرمایه گذاری همواره یکی از مباحث مهم در حوزه مدیریت سرمایه گذاری بوده که در رابطه مدیریت سبد سرمایه گذاری با
نحوه تخصیص سرمایه یک سرمایه گذار به دارایی های مختلف و تشکیل یک پرتفوی کارا بحث می کند که
هرچه مفروضات و شرایط مدل سازی جهت انتخاب و بهینه سازی سبد سرمایه گذاری به شرایط دنیای واقعی
نزدیک تر باشد، نتایج حاصل از آن بیشتر قابل اتکا خواهد بود. در نظر گرفتن افق تک دوره ای برای
سرمایه گذاری چندان واقعی نبوده و بیشتر سرمایه گذاران برای بیش از یک دوره اقدام به سرمایه گذاری
می کنند که سرمایه گذار بتواند موقعیت خود را در طول زمان مورد بازنگری قرار دهد. همچنین در دنیای
واقعی داده ها و پارامترها همواره با عدم قطعیت مواجه هستند. بنابراین توسعه مدل های بهینه سازی سبد
سرمایه گذاری چنددوره ای یک نیاز اساسی می باشد که در این پژوهش علاوه بر در نظر گرفتن افق
چنددوره ای و هزینه معاملاتی، از قدرمطلق انحراف از میانگین به عنوان سنجه ریسک استفاده شده و
محدودیت های نقدینگی، کاردینالیتی، آستانه و کلاس نیز در مدل لحاظ گردیده و همچنین عدم قطعیت
داده ها نیز با استفاده از ابزار درخت سناریو مدل سازی شده است. در ادامه پس از مدل سازی، به منظور حل این
مدل از روش برنامه ریزی پویا استفاده شده و سرانجام کارایی مدل با استفاده از داده های 0 سهم از بورس اوراق
بهادار تهران مربوط به سال های 1975 تا 1974 آزمون شده است. در بهینه سازی مدل ارائه شده در این پژوهش،
تأثیر عواملی نظیر حدود تعیین شده برای متغیرهای تصمیم و نیز تعداد دارایی های موجود در پرتفوی، مورد
بررسی قرار گرفته و نتایج حاصل گویای آن است که مدل ارائه شده دارای عملکرد مناسبی بوده و نتایج
حاصل از آن با تئوری موضوع کاملاً سازگاری دارد.

کلیدواژه‌ها

• سبد سرمایه گذاری چنددوره ای
• قدرمطلق انحراف از میانگین
• درخت سناریو
• برنامه ریزی پویا

20.1001.1.22518029.1397.16.50.1.5

عنوان مقاله [English]

Multi-Period Portfolio Optimization Using Dynamic Programming Approach

نویسندگان [English]

• Negin Mohebbi 1
• Amir Abbas Najafi 2

چکیده [English]

Portfolio selection has always been one of the important issues in the field of investment management, which discusses how to allocate an investor's capital to different assets and form an efficient portfolio. If the modeling assumptions for portfolio optimization is closer to the real world, the results will be more reliable. Considering single horizon مدیریت سبد سرمایه گذاری for investment is not real and more investors are investing for more than one period to be able to revise their positions over time. Moreover, in the real world, data and parameters are always uncertain. Therefore, the development of multi-period portfolio optimization models is a basic requirement. In this paper, based on the portfolio theory, a new multi-period portfolio selection model is proposed, which contains transaction costs, liquidity constraints, threshold constraints, cardinality constraints and class constraints. Moreover, mean absolute deviation is used as a measure of risk and uncertainty of data is modeled with scenario tree. Also, in order to solve the proposed model, the dynamic programming method has been used and finally, the model efficiency was tested using data for 5 stocks from Tehran Stock Exchange in a period of 1390 to 1394. In the proposed model, the effect of some factors such as boundary of decision variables and the number of assets in the portfolio is examined. The results indicate that the proposed model has a suitable performance and completely consistent with the theory.

کلیدواژه‌ها [English]

• Multi-Period Portfolio
• Mean Absolute Deviation
• Scenario Tree
• Dynamic Programming

مراجع

همایی‌‌فر. ساغر، روغنیان. عماد (1395)، به کارگیری الگوهای بهینه‌سازی پایدار و برنامه‌ریزی آرمانی در مسئله انتخاب سبد سرمایه‌گذاری چنددوره‌ای، مجلهمهندسیمالیومدیریتاوراقبهادار، شماره 28، دوره 7، ص 153-167.

Arnott, R.D. and Wagner, W.H. (1990), "The measurement and control of trading costs", Financial Analysts Journal 6, 73–80.

Bertsimas, D. and Pachamanova, D. (2008), "Robust multiperiod portfolio management in the presence of transaction costs", Computers and Operations Research 35, 3–17.

Calafiore, G.C. (2008), "Multi-period portfolio optimization with linear control policies", Automatica 44, 2463–2473.

Celikyurt, U. and Ozekici, S. (2007), "Multiperiod portfolio optimization models in stochastic markets using the mean-variance approach", European Journal of Operational Research 1, 186–202.

Costa, O.L.V. and Araujo, M.V. (2008), "A generalized multi-period mean–variance portfolio optimization with Markov switching parameters", Automatica, 44(10), 2487–2497.

Giove, S. and Funari, S. and Nardelli, C. (2006), "An interval portfolio selection problem based on regret function", European Journal of Operational Research 170, 253–264.

Grauer, R.R. and Hakansson, N.H. (1993), "On the use of mean-variance and quadratic approximations in implementing dynamic investment strategies: a comparison of returns and investment policies", Management Science 39, 856–871.

Gupta, P. and Mehlawat, M.K. and Saxena, A. (2008), "Asset portfolio optimization using fuzzy mathematical programming", Information Sciences 178, 1734–1755.

Gulpınar, N. and Rustem, B. (2007), "Worst-case robust decisions for multi-period meanvariance portfolio optimization", European Journal of Operational Research 183, 981–1000.

Gulpınar, N. and Rustem, B. and Settergren, R. (2003), "Multistage stochastic mean-variance portfolio analysis with transaction cost. Innovations", in Financial and Economic Networks 3, 46–63.

Haimes, Y.Y. and Lasdon, L.S. and Wismer, D.A. (1971), "On a bicriterion formulation of the problems of integrated system identification and system optimization", IEEE Trans. Syst. Man Cybern,1, 296–297.

Huang, X. and Qiao, L. (2012), "A risk index model for multi-period uncertain portfolio selection", Information Sciences 217, 108–116.

Leippold, M. and Trojani, F. and and Vanini, P. (2004), "A geometric approach to multiperiod mean variance optimization of assets and liabilities", Journal of Economic Dynamics and Control, 28(6), 1079–1113.

Li, D. and Chan, T.F. and Ng, W.L. (1998), "Safety-first dynamic portfolio selection", Dynamics of Continuous Discrete and Impulsive Systems 4, 585–600.

Li, D. and Ng, W.L. (2000), "Optimal dynamic portfolio selection: multi-period mean-variance formulation", Mathematical Finance 10, 387–406.

Najafi, A.A. and Mushakhian, S. (2015), "Multi-stage stochastic mean–semivariance–CVaR portfolio optimization under transaction costs", Applied Mathematics and Computation 256, 445–458.

Pinar, M.C. (2007), "Robust scenario optimization based on downside-risk measure for multi-period portfolio selection", OR Spectrum 29, 295–309.

Pindoriya, N.M. and Singh, S.N. and Singh, S.K. (2010), "Multi-objective mean–variance–skewness model for generation portfolio allocation in electricity markets", Electric Power Systems Research 80, 1314-1321.

Sadjadi, S.J. and Seyedhosseini, S.M. and Hassanlou, Kh. (2011), "Fuzzy multi period portfolio selection with different rates for borrowing and lending", Applied Soft Computing, , 11, 3821–3826.

Steuer, R. (1986), "Multiple Criteria Optimization: Theory, Computation and Application", John Wiley & Sons: New York.

Sun, J. and Fang, W. and Wu, X. and Lai, C.H. and Xu, W. (2011), "Solving the multi-stage portfolio optimization problem with a novel particle swarm optimization", Expert Systems with Applications38, 6727–6735.

Wei, S.Z. and Ye, Z.X. (2007), "Multi-period optimization portfolio with bankruptcy control in stochastic market", Applied Mathematics and Computation 186, 414– 425.

Xia, Y.S. and Liu, B.D. and Wang, S.Y. and Lai, K.K. (2000), "A model for portfolio selection with order of expected returns", Computers & Operations Research 27, 409–422.

Yan, W. and Li, S.R. (2009), "A class of multi-period semi-variance portfolio selection with a four-factor futures price model", Journal of Applied Mathematics and Computing 29, 19–34.

Yan, W. and Miao, R. and Li, S.R. (2007), "Multi-period semi-variance portfolio selection: Model and numerical solution", Applied Mathematics and Computation 194, 128–134.

Yu, J.R. and Lee, W.Y. (2011), "Portfolio rebalancing model using multiple criteria", European Journal of Operational Research 209, 166–175.

Yu, M. and Takahashi, S. and Inoue, H. and Wang, S. (2010), "Dynamic portfolio optimization with risk control for absolute deviation model", European Journal of Operational Research 201, 349–364.

Zhang, P. and Zhang, W.G. (2014), "Multi-period mean absolute deviation fuzzy portfolio selection model with risk control and cardinality constraints", Fuzzy Sets and Systems 255, pp.74–91.

Zhao, Y. and Ziemba, W.T (2008), "Calculating risk neutral probabilities and optimal portfolio policies in a dynamic investment model with downside risk control", European Journal of Operational Research 185, 1525–1540.

بهینه سازی سبد سرمایه‌گذاری در بورس اوراق بهادار تهران با استفاده از الگوریتم چرخه‌ آب (WCA)

انتخاب سبد سرمایه گذاری بهینه یکی از مهم­ترین چالش های علوم مالی است. هدف این مطالعه بکارگیری الگوریتم چرخه­ آب چند هدفه (MOWCA) برای یافتن ترکیبی کارآمد از سبد سرمایه­گذاری است. مسئله­ مورد مطالعه یک مسئله­ چند هدفه غیر خطی است که توابع هدف آن شامل حداکثر سازی بازده و حداقل سازی ریسک است. الگوریتم چرخه آب از فرآیند چرخه­ آب در طبیعت شبیه­سازی شده است و نخستین بار توسط مرادی و همکاران (2017) از این الگوریتم برای بهینه سازی سبد سهام در چهار بورس بزرگ دنیا بهره گرفته شده است. در این تحقیق از اطلاعات روزانه طی سال های1392 تا 1394، 30 شرکت بزرگ بورس تهران استفاده شده است. به علاوه عملکرد MOWCA برای حل مسائل بهینه­سازی چندهدفه با سایر بهینه­سازهای چندهدفه از قبیل الگوریتم ژنتیک چندهدفه (MOGA) و الگوریتم پرندگان چندهدفه (MOPSO) مقایسه شده­است. به منظور مقایسه از چهار معیار عملکرد برای مقایسه­ نتایج الگوریتم ها از چهار معیار مرسوم استفاده شده است: فاصله، یکنواختی، تنوع و پوشش. یافته ها مدیریت سبد سرمایه گذاری حاکی از آن است که بر اساس اغلب معیارهای ارزیابی عملکرد مورد استفاده در این تحقیق، MOWCA درمقایسه با سایر الگوریتم های فرا ابتکاری برای مسائل بهینه­سازی سبد سرمایه­گذاری کارآمدی بیشتری دارد.

کلیدواژه‌ها

• "بهینه‌سازی‌‌ سبد سرمایه‌گذاری"
• " الگوریتم چندهدفه"
• "الگوریتم چرخه‌ آب"
• "الگوریتم ژنتیک
• الگوریتم پرندگان"

عنوان مقاله [English]

Portfolio Optimization in Tehran Stock Exchange by Water Cycle Algorithm

نویسنده [English]

Portfolio selection is one of the vital financial challenges. This study seeks to apply the multi-objective water cycle algorithm (MOWCA) to find efficient frontiers associated with portfolio. This problem is non-linear multi-objective problem including maximiaing return and minimizing risk of portfolio. The inspired concept of WCA is based on the simulation of water cycle process in the nature. At the first time, it was applied by Moradi et al. (2017) for optimizating portfolio. Computational results are obtained for analyses of daily data for the period 2013 to 2015 including TSE 30. The performance of the MOWCA for solving portfolio optimization problems has been evaluated in comparison with other multi-objective optimizers including the MOGA and MOPSO. Four well-known performance metrics are used to compare the reported optimizers: GD, MS, S and ∆. Statistical optimization results indicate that the applied MOWCA is an efficient and practical optimizer compared with the other methods for handling portfolio optimization problems.

کاربرد الگوی ارزش در معرض ریسک در مدیریت سبد سرمایه گذاری فناورانه (مطالعه موردی در صنعت نفت ایران)

1 دانشجوی دکتری مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی امیرکبیر، تهران، ایران.

2 دانشیار گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی امیرکبیر، تهران، ایران.

چکیده

فناوری زیربنای توسعه محصولات و خدمات و در نتیجه زیرساخت نیل به اهداف سازمانی و تحقق راهبردهای سازمانی است. رویکرد مدیریت سبد فناوری از جمله رویکردهای نسبتاً نوین و در عین حال محبوب در ادبیات مدیریت فناوری است. مسأله مدیریت سبد فناوری عبارت از توزیع مناسب سرمایه و منابع میان مجموعه ای از فناوری ها به گونه ای است که بیشترین اثربخشی را در ارتباط با دستیابی به اهداف سازمانی فراهم نماید. در سال های اخیر عوامل و معیارهای متنوعی توسط صاحب نظران برای انتخاب و مدیریت سبد فناوری پیشنهاد شده است. این مقاله در صدد است تا ضمن مرور اجمالی برخی از این معیارها و معرفی مجموعه ای از معیارها برای انتخاب سبد فناوری در یکی از بخش های صنعت نفت کشور، با بازتعریف مفاهیم و ریسک و بازگشت سرمایه متناسب با فضای مدیریت فناوری و در چارچوب نظریه کلی سبد، مدلی را با مناسب سازی مفهوم «ارزش در معرض ریسک» که از معیارهای شناخته شده سنجش ریسک در مدیریت مالی است توسعه داده و برای انتخاب سبد فناوری به کار گیرد. مدل معرفی شده در این مقاله قادر است با محاسبه میزان توانمندی سبد فناوری در دستیابی به اهداف راهبردی و پشتیبانی از آن ها، تصمیم گیرندگان را در فرآیند سرمایه گذاری بر هر سبد فناوری یاری نماید.

کلیدواژه‌ها

• سبد فناوری
• مدیریت ریسک
• ارزش در معرض ریسک
• بازگشت سرمایه
• سرمایه گذاری فناورانه

عنوان مقاله [English]

Application of Value at Risk Model in Technological Investment Portfolio Management - A Case in Iranian Petroleum Industry

نویسندگان [English]

• Sayed Farhang Fasihi 1
• Mirmehdi Seyed Esfahani 2
• Hamid Davoudpour 2

1 PhD candidate of Industrial Engineering, Faculty of Industrial Engineering, Amirkabir University of Technology, Tehran, Iran.

2 Associate Professor, Faculty of Industrial Engineering, Amirkabir University of Technology, Tehran, Iran.

Technology portfolio is a rather recent and popular approach in the literature of technology management. The problem of technology portfolio management is to find the مدیریت سبد سرمایه گذاری appropriate distribution of capital & resources among a set of technologies, provides the highest effectiveness in accessing the organizational goals. In recent years various factors & criteria are proposed by experts for selection and management of technology portfolios. This paper, while providing a brief overview on common factors and criteria for technology portfolio selection and by introducing a set of tailored criteria for technology portfolio selection in a subsector of Iranian oil & gas industry, develops a new model based on the very well-known "Value at Risk” model. VaR originates from the literature of financial management and we have applied it in technology portfolio selection by redefining the concepts of risk and return of investments in alignment with technology management and in the general framework of portfolio theorem. The introduced model enables decision makers of technological investments to calculate the capability of technology portfolios in supporting the organizational objectives.

مدیریت سبد سرمایه گذاری

• انتشارات : ترمه
• دسته بندی : مدیریت, حسابداری, اقتصاد, دانشگاهی

• نویسنده : فرانک کی, رایلی کیت سی, براون
• شابک : 978-964-978-390-1

• دانلود نمونه ای از کتاب :

این کتاب در بانک کتاب تلکتاب عرضه شده است
شما می توانید لذت خرید آسان و مطمئن را با تلکتاب تجربه کنید
خرید کتاب و ارسال رایگان به سراسر کشور در سریعترین زمان ممکن
درصورتی که موفق به خرید اینترنتی کتاب نشدید می توانید برای خرید تلفنی کتاب با شماره 66470460-021 تماس حاصل فرمایید.

تجزیه و تحلیل سرمایه گذاری و مدیریت سبد اوراق بهادارو مهندسی مالی رودپشتی

کتاب تجزیه و تحلیل سرمایه گذاری و مدیریت سبد اوراق بهادارو مهندسی مالی رودپشتی نشر ترمه تالیف فرانک کی - رایلی کیت سی - براون ترجمه رهنمای رودپشتی و فرشاد هیبتی و غلامرضا اسلامی بیدگلی شامل 10 فصل با عناوین زیر میباشد:

مفاهیم سرمایه گذاری
مقدمه ای بر نظریه سبد اوراق بهادار
مقدمه ای بر مدل های سنتی و نوین قیمت گذاری دارایی
آزمون نظریه های قیمت گذاری دارایی
تجزیه و تحلیل شرکت و انتخاب سهام
تجزیه و تحلیل و ارزشیابی شرکت های رشدی و ارزشی
تجزیه و تحلیل سهام
تجزیه و تحلیل و ارزشیابی اوراق بهادار
گروه بندی پرتفوی شرکت های سرمایه گذاری بر اساس مدل شبکه سنتی و نوین مقایسه پر تفوی های حاصل از این مدل
مهندسی مالی و کاربرد های آن

این کتاب در چندین بخش اصلی به شرح زیر تدوین شده است:
مفاهیم سرمایه گذاری
مهندسی ریسک و مالی
مباحث مالی و ریسک و دیگر مدیریت سبد سرمایه گذاری موضوعات مرتبط با تحلیل سرمایه گذاری
توسعه تاریخی تئوری های سرمایه گذاری
اصول قیمت گذاری
اقتصاد مالی
تجزیه و تحلیل و مدیریت سهام عادی
تجزیه و تحلیل اوراق مشتقه
مشخصات و ارزیابی مدیریت دارایی های مالی