پیوستگی پایداری در استراتژی سازمانی، مدیریت سبد پروژه و مدیریت پروژه. چارچوبی مفهومی

Interlinking Sustainability in Organizational Strategy, Project Portfolio Management and Project Management; A Conceptual Framework

چکیده

1 مقدمه

2 ادبیات پیش زمینه

3 رویکرد تحقیقاتی

4 چارچوبی برای شیوه های به هم پیوسته

5 نتیجه گیری

منابع

چکیده

     گذار به روش های پایدارتر کسب و کار نیاز به تغییر محصولات، خدمات، فرایندها، سیاست ها و منابع سازمانی دارد. با تصدیق نقش پروژه ها در این تغییرات، مفهوم پایداری باید در نحوه انتخاب، اولویت بندی، اجرا، مدیریت و ارزیابی پروژه ها ادغام شود. این موضوع مستلزم ادغام پایداری در استراتژی سازمانی، مدیریت پرتفولیوی پروژه و مدیریت پروژه است. با این حال، تحقیقات مربوط به پایداری در کسب و کار کاربرد مفاهیم پایداری را اغلب در سطح فوق الذکر در جداسازی با توجه کم یا بدون توجه به پیوند بین سطوح استراتژی، پرتفولیو و پروژه توصیف می کنند. یک چارچوب مفهومی ارائه می شود که نشان دهنده شیوه های به هم پیوسته پایداری یکپارچه در استراتژی سازمانی، مدیریت پرتفولیوی پروژه و مدیریت پروژه است. تحقیقات تجربی از این دیدگاه توسعه می یابند، و راهنمایی برای سازمان هایی ارائه می شود که هدف آنها بهبود این یکپارچگی است و در نتیجه اجرای عمیق تر پایداری را در سیاست ها و شیوه های خود قرار می دهند.

ادبیات پیش زمینه
پایداری در سازمان ها
     مسائل مربوط به تعادل بین رشد اقتصادی، رفاه اجتماعی و استفاده از منابع طبیعی در اوایل قرن هجدهم ظاهر شد (بعنواان مثال [40:12]). با این حال، این مسائل تا نیمه دوم قرن بیستم طول کشید، قبل از اینکه مسائل مربوط به پایداری و توسعه پایدار به صورت گسترده ای بعنوان یک چالش سیاسی، اجتماعی تبدیل شوند [16]. کتاب «محدودیت های مربوط به رشد» در سال 1972 [45] پیش بینی کرد که رشد احتمالی جمعیت جهان و اقتصاد جهانی منجر به فراجهش ظرفیت منابع طبیعی سیاره ما می شود. از آنجایی که امروزه انسان از معادل 1.75 زمین برای تامین منابع مورد استفاده و ضایعات تولید شده استفاده می کند [26]، مسائل مربوط به فراجهش اکولوژیکی بشر ممکن است هرگز مهم تر نباشد.

     در سال 1990 میلادی، مفهوم توسعه پایدار برای کسب و کارها و سازمان ها استفاده شده است، در نتیجه پیوندی بین توسعه پایدار و مسئولیت اجتماعی (شرکتی) (CSR) ایجاد کرده است [17]. و زمانی که سازمان بین المللی برای استانداردسازی، (C)SR را به صورت « مسئولیت یک سازمان برای تاثیرات تصمیمات و فعالیت های آن بر محیط و جامعه از طریق رفتار اخلاقی و واضح تعریف کرد، که: به توسعه پایدار شامل سلامت و رفاه جامعه کمک می کند، انتظارات ذینفعان را در نظر می گیرد، همراستا با قوانین قابل اجرا و سازگار با هنجارهای رفتاری بین المللی است، در سراسر سازمان یکپارچه می شود و در روابط آن عمل می شود [29]، از این مفهوم پشتیبانی می کند که پایداری مسئولیتی برای شرکت ها و سازمان ها است، درست همانطور که برای جوامع و دولت ها است.

     ملاحظات پایداری در کسب و کار اغلب بعنوان پایداری شرکتی نامیده می شود و توسط شاخص های پایداری داو جونز به صورت یک رویکرد کسب و کار تعریف می شود که ارزش بلند مدت را از طریق پذیرفتن فرصت ها و مدیریت ریسک های ناشی از توسعه های اقتصادی، محیطی و اجتماعی برای سهامدار ایجاد می کند [15]. این تعریف به مفهوم معیارهای ارزیابی سه گانه (TPL) الکینگتون [19] اشاره می کند، که شامل سه دیدگاه درباره عملکرد و توسعه است: اجتماعی، محیطی و اقتصادی. TBL مبنای مفهومی برای چندین معیار از شاخص های توسعه پایدار ارائه می دهد [2]. این چارچوب ها به عملی سازی مفهوم پایداری کمک می کنند. با این حال، آنها ریسک هایی را نیز معرفی می کنند که همبستگی های بین سه دیدگاه تحت نظر هستند و اینکه دیدگاه های اجتماعی، محیطی و اقتصادی هر کدام به صورت مجزا در نظر گرفته می شوند. درک همه جانبه پایداری نیاز به یکپارچگی جنبه های اقتصادی، محیطی و اجتماعی دارد [35،19].

تأثیر شوک های داخلی و خارجی بر درآمدهای حاصل از تنوع بخشی پورتفولیو (سبد) و ریسک های همراه با آن

The Influence of Domestic and Foreign Shocks on Portfolio Diversification Gains and the Associated Risks

چکیده

1. مقدمه

2. بازده های بازار (rt) در بازارهای توسعه یافته، نوظهور و مرزی

3. همبستگی های بازار

4. همبستگی های بازار و واکنش نوسان پذیری همبستگی به شوک های داخلی و خارجی

4.1 مدل EGARCH چند متغیری

4.2 نتایج تجربی: تأثیر شوک های بازار سهام داخلی و خارجی بر روی همبستگی ها (معادله (1))

4.2.1 ماهیانه

4.2.2 روزانه

4.3 تأثیر «نوآوری های مبتنی بر نوسان پذیری بازار سهام داخلی خارجی» بر روی «نوسان پذیری همبستگی» (معادله (4))

4.3.1 ماهیانه

4.3.2 روزانه

4.4 ماندگاری نوسان پذیری همزمان سازی بازار

4.4.1 داده های ماهانه

4.4.2 روزانه

4.5 پیامدهای کلی

5. شرایط بازارهای کساد

5.1 داده های فیلتر شده در بازارهای کساد

5.2 تأثیرات شوک بازارهای کساد داخلی و خارجی

5.2.1 شوک های مبتنی بر بازده بازار بر روی بهره های تنوع بخشی

5.2.2 تأثیرات شوک های نوسان پذیری بازار کساد بر روی ریسک تنوع بخشی

5.2.3 پایداری

6. نتیجه گیری ها

منابع

چکیده

ما در این مقاله «تأثیر بازده بازار سهام خارجی یا داخلی، و بازده شوک های نوسان پذیری (نوسانات بازده)» بترتیب بر روی «همبستگی های مشروط پویا (DCC) بین بازارهای سهام بین المللی، و نوسان پذیری همبستگی» را بررسی می کنیم. همبستگی های بین بازارها پیامدهایی برای درآمدهای حاصل از تنوع بخشی پورتفولیو دارد در حالیکه نوسان پذیری های همبستگی را می توانیم بصورت ریسک هایی برای تنوع بخشی پورتفولیو ببینیم. در ضمن شوک های داخلی از بازده و نوسانات بازده از 24 بازار سهام توسعه یافته، نوظهور، و مرزی ناشی می گردند. بازار سهام ایالات متحده، منبعی از شوک های خارجی است. شوک های داخلی و خارجی با استفاده از بازده های مبتنی بر بازار و در شرایط بازار کساد ایجاد می گردند. ما مدلهای واریانس ناهمسانی شرطی اتورگرسیو تعمیم یافته نمایی چندمتغیری (E-GARCH) را با استفاده از داده های قیمت سهام مبتنی بر MSCI روزانه و ماهانه برآورد می کنیم؛ این داده ها مربوط به بازارهای توسعه یافته، نوظهور، و مرزی در دوره 1993:1 2014:1 هستند. نتایج کلیدی ما بشرح روبرو هستند: شوک های بازار داخلی غالباً محرک های مهمی برای درآمدهای حاصل از تنوع بخشی پورتفولیو بودند، اگرچه اثرات بازار آمریکا هم نسبتاً قوی تر بودند. از طرف دیگر، آمریکا از لحاظ تعداد موارد مهم و همچنین اثرات اندازه شوک ها، بصورت یک عامل تعیین کننده نوسان پذیری همبستگی (یا ریسک های موجود برای تنوع بخشی پورتفولیو) حکمفرما بود. همچنین مشخص شد که در شرایط بازار کساد، تعدیل در همبستگی ها و نوسان پذیری های همبستگی ها غالباً تحت تأثیر ایالات متحده قرار می گیرند. شوک های بازارهای کساد (و نه شوک های مبتنی بر بازده بازار) شواهد قوی ای از اثر اهرم (نسبت بدهی به دارائی خالص) را نشان میدهد. نشانه های ماندگاری شوک ها عمدتاً در شرایط بازار کساد مشاهده میشود.

6. نتیجه گیری ها

ما یکپارچگی بازار سهام را بصورت همبستگی های شرطی پویا بین بازارها اندازه گیری کردیم. مقاله حاضر با بررسی همبستگی های دو جانبه بین بازار آمریکا و 24 بازار توسعه یافته، نوظهور و مرزی، تأثیر شوک های بازار از بازارهای داخلی و آمریکا بر روی همبستگی ها و واریانس های آنها در دوره 2000 تا 2013 را بررسی کرد.

ما برای بررسی تأثیرات شوک های بازده بر روی همبستگی ها و شوک های نوسان پذیری بر روی نوسان پذیری همبستگی، از مدل EGARCH چند متغیری استفاده کردیم. این مدل با اینکه بصورت گسترده برای بازده های بازار استفاده می شود اما برای اولین بار برای همبستگی های جفتی اعمال شد. مقایسه نتایج بازده های بازار در اغلب موارد نشان میداد که همبستگی های ماهانه به یک شیوه مشابه با بازده های بازار، به شوک های بازده و نوسان پذیری واکنش نشان می دادند. بعنوان مثال اثبات شد که شوک های نوسانات بازده آمریکا (و نه شوک های بازده آمریکا) در این چارچوب، محبوب هستند. همچنین اثبات شد که اندازه (و نه نشانه) اثرات اهرم، مهم و معنادار هستند. با اینحال تفاوت هایی هم وجود داشت. بر خلاف نوسانات بازده، نوسان پذیری همبستگی ها با آمریکا، هیچ تأثیر اهرم محدودی را نشان نمی داد. همچنین پایداری نوسان پذیری همبستگی ها در مدلهای ماهانه کاملاً غایب بود اما به شکل های مختلفی در مدلهای روزانه وجود داشت. این بدین معناست که شوک های داخلی و خارجی میتوانند تا یک ماه ماندگار باشند.

Abstract

This paper evaluates the influence of foreign or domestic stock market return and return of volatility shocks on dynamic conditional correlations (DCCs) between international stock markets and correlation volatility, respectively. The correlations between markets have implications for the gains from portfolio diversification, while correlation volatilities can be seen as risks to portfolio diversification. Meanwhile, domestic shocks are sourced from the return and return volatility from 24 developed, emerging, and frontier stock markets. The US stock market is the source of foreign shocks. The domestic and foreign shocks are derived using market-based returns and under bearish market conditions. We estimate multivariate exponential generalized autoregressive conditional heteroskedasticity (E-GARCH) models using daily and monthly MSCI based stock price data of selected developed, emerging, and frontier markets over 1993:1–2014:1. Our key results are as follows. Domestic market shocks were significant drivers of gains from portfolio diversification most of the time, although the US market effects were relatively stronger. On the other hand, the US, in terms of the number of significant cases as well as the size effects of shocks, dominated as a determinant of correlation volatility (or risks to portfolio diversification). Further, under bear market conditions, adjustments in correlations and correlation volatilities are found to be mostly US-induced. Bearish shocks, rather than market return based shocks, show strong evidence of the leverage effect. Signs of persistence of shocks are mainly noticed under bearish conditions.

6. Conclusions

We measured stock market integration as dynamic conditional correlations between markets. Taking the bilateral correlations between the US and 24 developed, emerging, and frontier markets, this paper examined the impact of market shocks from domestic and US markets on correlations and their variances over the period from 2000 to 2013.

The multivariate EGARCH model was employed to examine the influences of return shocks on correlations and volatility shocks on correlation volatility. This model, while widely applied to market returns, was applied to pairwise correlations for the first time. A comparison of market returns results suggested, in most cases, that monthly correlations reacted to return and volatility shocks in a similar fashion to market returns. For instance, the US return volatility shocks rather than US return shocks were found to be popular within this framework. Similarly, the size, rather than the sign, of leverage effects was found to be important. However, there were some differences. Unlike returns volatility, the volatility of correlations with the US showed limited leverage effects. Further, persistence of correlations volatility was mainly missing in monthly models but was present in some form in daily models. This means that domestic and foreign shocks could persist for up to a month.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تأثیر شوک های داخلی و خارجی بر درآمدهای حاصل از تنوع بخشی پورتفولیو (سبد) و ریسک های همراه با آن

The Influence of Domestic and Foreign Shocks on Portfolio Diversification Gains and the Associated Risks

تنوع بخشی پرتفوی وام، ساختار بازار و ثبات بانک

Loan portfolio diversification, market structure and bank stability

چکیده

1- معرفی

2- ادبیات مربوطه و توسعه فرضیه ها

1-2- تنوع بخشی پرتفوی وام و ثبات بانک

2-2 تمرکز بازار و ثبات بانک

3-2 اثر متقابل تنوع بخشی وام و تمرکز بازار بر ثبات بانک

3 – روش شناسی و ساخت متغیر

1-3 چارچوب تجربی

2-3 تعریف متغیرها

1-2-3 ثبات مالی بانک

2-2-3 تنوع بخشی پرتفوی وام

3-2-3 تمرکز بازار

4-2-3 اندازه شرکت

5-2-3 سهم بدون سود

6-2-3 نقدینگی

7-2-3 سپرده های کارگزاری

8-2-3 سپرده های اصلی

9-2-3 عضو شرکت هلدینگ بانکی

10-2-3 بانکهای نوظهور

11-2-3 انتخاب نظارتی و سرپرستی

12-2-3 نرخ بیکاری و نرخ رشد تولید ناخالص داخلی (GDP)

4 – داده ها و نتایج تجربی

1-4 نمونه

2-4 نتایج برای مشخصات اولیه

3-4 تست های استواری (پایداری)

1-3-4 کنترل ادغام ها و مالکیت ها

2-3-4 آنالیز برای دوره های قبل از بحران، بحران و بعد از بحران

3-3-4 روش گشتاورهای تعمیم یافته متغیرهای ابزاری (IV-GMM)

-5نتیجه گیری

منابع

چکیده

این مقاله بررسی می کند که آیا تنوع بخشی وام بانکی و تمرکز بازار با ثبات مالی بانک درارتباط هست یا خیر. این مطالعه همچنین بررسی می کند که تاثیر تنوع بخشی وام بر ثبات بانک بسته به سطح رقابت یا تمرکز بازار بانکداری چگونه تغییر می کند. ما فهمیدیم که افزایش تنوع سازی وام تاثیر مثبتی بر قدرت مالی بانک دارد. ما نشان می دهیم که تمرکز بازار با ریسک ورشکستگی بانک رابطه منفی دارد، که با دیدگاه “ثبات و تمرکز” سازگار می باشد. نتایج با استفاده از روابط متقابل بین تنوع سازی پرتفوی بانک و تمرکز بازار نشان می دهند که متنوع سازی بانکهایی که در بازارهای بسیار متمرکز فعالیت می کنند، در مقایسه با آنهایی که در بازارهای غیر متمرکز هستند، از نظر اقتصادی باثبات تر می باشند.

1- معرفی

تعداد تعطیلی های بانک در جدیدترین بحران مالی ایالات متحده به شدت بالا رفته است. شرکت بیمه سپرده فدرال (FDIC) گزارش می دهد که 465 بانک تجاری بیمه شده ایالات متحده بین ژانویه 2008 تا دسامبر 2012 شکست خوردند، درحالیکه فقط 27 بانک از اکتبر 2000 تا دسامبر 2007 تعطیل شدند. سیاستمداران و قانونگذاران ادعا می کنند که عدم رقابت در صنعت بانکداری ممکن است نقش مهمی در دوران بحران مالی داشته باشد (به عنوان مثال، Akins et al., 2016). Cole and White (2012) و دفتر حسابداری دولتی (2013) گزارش می دهند که تمرکز بر وامهای املاک و مستغلات تجاری از جمله عوامل کمک کننده ای هستند که منجر به افزایش احتمال تعطیلی های اخیر بانک در تمام دولتها شده است. آخرین گزارشهای مربوط به عدم موفقیت بانک و فروپاشی موسسات بزرگ مالی (مانند برادران لمن، شرکت هلدینگ بانک آمریکایی (Washington Mutua) و بانک سرمایه گذاری جهانی نیویورک (Bear Stearns)) طی بحران مالی سوالات زیر را مطرح می کنند: آیا بانکها با تنوع پرتفوی های وام آسیب پذیری مالی را افزایش می دهند یا کاهش؟ آیا بانکها در بازارهای بسیار متمرکز، در مقایسه با آنهایی که در بازارهای غیر متمرکز قرار دارند، از نظر اقتصادی باثبات تر هستند یا برعکس؟ آیا ماهیت رقابتی بازاری که بانک در آن فعالیت می کند بر رابطه بین تنوع بخشی فعالیتها و آسیب پذیری بانک تاثیر می گذارد؟ ویژگی های مهم بانکی و اقتصادی که بر ثبات مالی بانک به طور قابل توجهی تاثیر می گذارند، چیست؟ در این مقاله، ما با انجام دادن یک تحقیق تجربی، با استفاده از نمونه بانکهای تجاری ایالات متحده طی دوره 2002:Q1 تا 2013:Q3 به این سوالات بدون پاسخ می پردازیم. 

Abstract

This paper examines whether the choice of bank loan diversification and market concentration are associated with a bank’s financial stability. This study also investigates how the effect of loan diversification on bank stability varies depending on the level of the concentration or the competitiveness of the banking market. We find that increased loan diversification has a positive impact on the bank’s financial strength. We show that market concentration is negatively associated with bank insolvency risk, consistent with the “concentration-stability” view. The results using interaction terms between loan portfolio diversification and market concentration indicate that diversifying banks operating in highly concentrated markets are more financially stable compared to those in less concentrated markets.

1. Introduction

The number of bank closures has sharply risen particularly during the most recent financial crisis in the United States. The Federal Deposit Insurance Corporation (FDIC) reports that 465 insured U.S. commercial banks failed between January 2008 and December 2012, while only 27 banks closed from October 2000 to December 2007. Politicians and regulators claim that the lack of competition in the banking industry may have played a significant role in the financial crisis period (e.g., Akins et al., 2016). Cole and White (2012) and Government Accountability Office (2013) report that the concentration on commercial real estate loans is among the contributing factors that led to an increased likelihood of recent bank closures across all states. The latest banking failure reports and collapse of large financial institutions (such as Lehman Brothers, Washington Mutual and Bear Stearns) during the financial crisis raise the following questions: Do banks reduce or increase financial fragility from diversification of their loan portfolios? Are banks in highly concentrated markets more financially stable than those in less concentrated markets or vice versa? Does the competitive nature of the market where the bank operates influence the relationship between diversification of activities and bank fragility? What are the important bank and economic characteristics that significantly influence a bank’s financial stability? In this paper, we address these unanswered questions by undertak ing an empirical investigation using the samples of U.S. commercial banks over the period 2002:Q1–2013:Q3.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تنوع بخشی پرتفوی وام، ساختار بازار و ثبات بانک

Loan portfolio diversification, market structure and bank stability

مدیریت سبد سهام شرکت در بخش عمومی

Corporate Portfolio Management in the Public Sector

چکیده

مقدمه

پیشینه تحقیق

روش شناسی تحقیق

نتایج و بحث

نتیجه گیری

چکیده

هدف – با وجودی که از اواخردهه1960 مدیریت پرتفوی سازمان ( CPM)، یک ابزار محبوب برای مدیریت استراتژیک پرتفوی های چند کاره در بخش خصوصی بوده است، اما در بخش دولتی توجه محدودی را به خود جلب کرده است. بر این اساس، تحقیق تجربی در مورد استفاده از CPM در سازمان های دولتی تقریباً وجود ندارد. هدف از انجام این مقاله این است که با مشخص کردن و بحث در مورد برخی از نکات کلیدی که سازمان های بخش عمومی ممکن است هنگام اتخاذ CPM نیاز داشته باشند، خلأ موجود در متون تحقیقاتی را نسبتاً پر نماید. طرح تحقیق/ روش شناسی تحقیق / رویکرد تحقیق – پژوهش حاضر به جای پیشنهاد و آزمون مقایسه ای فرضیه های مشخص و محدود، در نظر دارد به یک سؤال پژوهشی جامع پاسخ دهد، یعنی: نکات کلیدی که سازمان-های بخش عمومی ممکن است هنگام اتخاذ CPM به آن ها نیاز داشته باشند، چیستند؟ بنابراین، این پژوهش الگوی تحقیق کیفی تفسیری را اتخاذ نموده است. یافته ها بر اساس تحقیقات تجربی است که بر روی یک سازمان پژوهشی بزرگ عمومی در استرالیا انجام شده است. کاربرد بالقوه CPM به صورت تکراری و پیوسته در یک گروه مرجع که شامل 15 نماینده مدیریت میانی و چند عضو از گروه رهبری ارشد در طول یک سال بود، مورد بررسی قرار گرفت. یافته ها – شاخص های ارزیابی که به طور معمول در CPM استفاده می شوند (به عنوان مثال، پتانسیل رشد و سهم بازار ) معمولاً در سازمان های بخش دولتی قابل اجرا نیستند. این مقاله نشان می دهد که سازمان های دولتی باید در عوض کارایی گذشته و پتانسیل آینده واحدهای کسب و کار را در نظر بگیرند، که ممکن است از طریق قابلیت (نقش سرمایه انسانی و منابع / زیرساخت های مرتبط) و تحویل (نقش تقاضا و تأثیر واحدهای تجاری مربوطه) عملی شود. این مقاله همچنین به اهمیت مشاوره جامع سازمان، تصمیم گیری مبتنی بر شواهد، و مشروعیت می پردازد. اصالت / ارزش – از منظر کاربردی، این مقاله ممکن است به سازمان های بخش عمومی برای اتخاذ و به کار بردن CPM کمک نماید. از لحاظ تئوری، این مقاله یک مسئله پژوهشی مهم و نسبتاً چشم پوشی شده را مد نظر قرار داده، و چندین روش برای پژوهش های آینده ارائه می دهد.

نتیجه گیری

 با اينكه CPM از بیش از 50 سال قبل ابزار محبوبی برای مدیریت استراتژیک پرتفوی کسب و کارهای چندگانه در بخش خصوصی به شمار می رفته است، توجه محدودی در بخش عمومی به خود جلب نموده است. تقریباً تحقیقات تجربی در مورد استفاده از CPM در سازمان های دولتی وجود ندارد. این مقاله تا حدی خلاً موجود در متون تحقیقاتی را با بحث در مورد برخی از نکات کلیدی که سازمان های بخش دولتی ممکن است در هنگام اتخاذ CPM مد نظر قرار دهند، پر کرده است. شاخص های ارزیابی که به طور سنتی در CPM مورد استفاده قرار می گیرند (به عنوان مثال، پتانسیل رشد و سهم بازار) برای استفاده در بخش عمومی قابل استفاده نیستند.  این مقاله پیشنهاد می کند که سازمان های دولتی باید در عوض عملکرد گذشته و پتانسیل های آینده واحدهای کسب و کار فردی را مورد بررسی قرار دهند، که ممکن است بواسطه قابلیت ها (نقش سرمایه انسانی، منابع / زیرساخت-های مرتبط) و تحویل(نقش تقاضا، و تأثیر واحدهای کسب و کار مربوطه) عملی گردند. مقاله حاضر همچنین بر اهمیت سازماندهی مشاوره گسترده، تصمیم گیری مبتنی بر شواهد، و مشروعیت تأکید دارد.

Abstract

Purpose — Although Corporate Portfolio Management (CPM) has been a popular tool for strategic management of multi-business portfolios in the private sector since the late 1960s, it has received limited attention in the public sector. Accordingly, empirical research on the use of CMP in government organizations is virtually non-existent. This paper aims to partially fill that gap in the literature by highlighting and discussing some of the key points that public sector organizations may need to consider when adopting CPM. Design/methodology/approach — Rather than deductively proposing and testing narrowly specified hypotheses, this study aims to answer a broad research question, namely: What are the key points that public sector organizations may need to consider when adopting CMP? Hence, the study adopts the qualitative interpretive research paradigm. The findings are based on empirical research conducted in a large Australian publicly-funded research organization. Potential application of CPM was iteratively and incrementally explored with a reference group comprising 15 middle management representatives and several members of the senior leadership group over the course of one year. Findings — Assessment criteria traditionally used in CPM (e.g., growth potential and market share) are generally not applicable in public sector organizations. This paper suggests that government organizations should instead consider past performance and future potential of individual business units, which may be operationalized via capability (a function of human capital and associated resources/infrastructure) and delivery (a function of the demand for, and the impact of, relevant business units). The paper also highlights the importance of organization-wide consultation, evidence-based decision making, and contestability. Originality/value — From a practical perspective, the paper may assist public sector organizations with adapting and applying CPM. From a theoretical perspective, the paper highlights an important and relatively neglected research problem, and suggests several avenues for future research.

Conclusion

Although CPM has been a popular tool for strategic management of multi-business portfolios in the private sector for more than 50 years, it has received limited attention in the public sector. Empirical research on the use of CMP in government organizations is virtually non-existent. This paper partially filled that gap in the literature by highlighting and discussing some of the key points that public sector organizations may need to consider when adopting CPM. The assessment criteria traditionally used in CPM (e.g., growth potential and market share) were found not applicable for use in the public sector. This paper suggested that government organizations should instead consider past performance and future potential of individual business units, which may be operationalized via capability (a function of human capital and associated resources/infrastructure) and delivery (a function of the demand for, and the impact of, relevant business units). The paper also highlighted the importance of organization-wide consultation, evidence-based decision making, and contestability.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدیریت سبد سهام شرکت در بخش عمومی

Corporate Portfolio Management in the Public Sector

کاربرد مدل پنج عاملی فاما و فرنچ برای قیمت گذاری دارایی: شواهدی از بازار سهام پاکستان

Application Of Fama And French Five Factor Model Of Asset Pricing: Evidence From Pakistan Stock Market

چکیده

1 مقدمه

2 پیشینه پژوهش

3 روش شناسی

4 نتیجه گیری

منابع

چکیده

     قیمت گذاری دارایی یکی از زمینه های مورد بحث مالی است زیرا قیمت گذاری اوراق بهادار نقش مهمی در تدوین استراتژی های سرمایه گذاری عوامل بازار سهام ایفا می کند. این مطالعه به بررسی قابلیت کاربرد مدل 5 عاملی فاما و فرنچ (2015) در بازار سهام پاکستان برای توضیح تغییر در سری زمانی در بازده مازاد سهام می پردازد. برای مرتب سازی پورتفولیوها از داده ژوئن 2000 تا ژوئن 2013 از 120 شرکت بر اساس بازار سرمایه ثبت شده در بورس اوراق بهادار پاکستان استفاده می شود. 16 پورتفولیو را بر اساس اندازه، نسبت حساب دفتری به بازار، سودآوری عملیاتی و سرمایه گذاری یعنی کوچک منهای بزرگ (SMB)، زیاد منهای کم (HML)، قوی منهای ضعیف (RMW) و محافظه کارانه منهای مهاجم (CMA) همراه با عامل خطر مارکر به عنوان چهار عامل خطر تدوین می کنیم. از نظر تجربی، تکنیک رگرسیون دو طرفه Fama and Macbeth (1973) با یافتن مدل 5 عاملی فاما و فرنچ به عنوان یک مدل مناسب برای قیمت گذاری دارایی در توضيح تغيير سري زماني خطر تنظيم شده استفاده می شود. این یافته ها معیارهایی برای سرمایه گذاری در بازار سهام پاکستان دارد.

2- پیشینه پژوهش
2-1 تکامل مدل های قیمت گذاری دارایی
     Markowitz (1952) مبنای مدل قیمت گذاری دارایی ها را با بررسی دامنه تخصیص دارایی بر اساس بازده فراهم کرد (Rehman and Shahzad, 2017; Rehman and Shah, 2016). بر مبنای مبنایMarkowitz (1952)، Sharpe (1964)، Lintner (1965) و Mossin (1966) یک مدل شناخته شده به عنوان مدل قیمت گذاری دارایی سرمایه را طراحی کردند (CAPM). بازده CAPM مورد نظر اوراق بهادار را نشان می دهد که خطر سیستماتیک سرمایه گذار را جبران می کند. CAPM یک مدل تک عاملی است که تنها یک منبع خطر سیستماتیک را برجسته می کند، از جمله خطر بازار (Hakim, Hamid and Meera, 2016). عوامل خطر سیستماتیک خطر بازار عبارتند از: خطر کسب و کار، مالی، نقدینگی و کشور. پس از مدل های چند عاملی CAPM مانند نظریه قیمت گذاری Arbitrage (APT) راس (1976) و مدل Carhart (1997) به وجود آمد. مدل قیمت گذاری دارایی سرمایه شارپ (1964) یک مدل قیمت گذاری دارایی تک عاملی است در حالی که نظریه قیمت گذاری (APT) فرض می کند که بازده مورد نظر بر اساس چند عامل است. مدل چند عاملی فرض می کند که بیش از یک منبع خطر سیستماتیک وجود دارد. منابع خطر سیستماتیک به غیر از خطر بازار شامل اندازه، نسبت حساب دفتری به بازار، حرکت، سودآوری و سطح سرمایه گذاری است. بعدها، فرضبه بازار کارآمد (EMH) از سوی فاما 1970 بر اساس مدل قیمت گذاری دارایی سرمایه شارپ (1964)، Lintner (1965) و Mossin (1966) مطرح شد. او معتقد بود که قیمت اوراق بهادار کاملا منعکس کننده اطلاعات بازده مورد نظر اوراق بهادار بر اساس مدل دو پارامتر شارپ، Lintner و Mossin است که به این دلیل است که تمام اطلاعات را می توان در تنظیم بازده اضافی با در نظر گرفتن خطر سیستماتیک اضافی در نظر گرفته و بازار سهام ممکن است در تعادل باشد. با این حال بازارهای سهام همواره منعکس کننده تمام اطلاعات موجود نبوده و ممکن است فرصت های داوری برای سرمایه گذاران از دست برود. این نشان دهنده محدودیت CAPM در سنجش بازده مورد نظر طبق تک عامل خطر است.. بعدها، راس (1976) نظریه قیمت گذاری Arbitrage (APT) را پیشنهاد داد که توضیح می دهد که بازده مورد نظر نه تنها بر اساس یک عامل واحد (حق بیمه بازار)، بلکه چند عامل است.

     ادبیات موجود همچنین تعداد زیادی از ناهنجاری ها را شناسایی می کند که یک پرسش بزرگ در مورد اعتبار CAPM و فرضیه بازار کارآمد (نگاه کنید به Basu، 1977) برای قیمت به درآمد (P / E) Benz 1981 برای اندازه، Basu 1983 برای درآمد به قیمت Bhandari 1988 برای بدهی به سهام و رزنبرگ، رید و لانشتین (1985) برای حساب دفتری به ارزش بازار مطرح شده است. کانر (1984) نسخه ای جدید و تعادلی از نظریه قیمت گذاری داوری راس به عنوان یک مورد خاص را ارائه کرد. هر دو نظریه قیمت گذاری داوری و نسخه تعادل APT برای پیش بینی قیمت سهام و بازده پورتفولیو مشابه هستند. Wei (1988) شکل تعادلی رقابتی نظریه قیمت گذاری داوری را فراهم و پیشنهاد می کند که برای قیمت گذاری دارایی، تنها پورتفولیو بازار باید به مدل اضافه شود. بنابراین، آن خود به عنوان یک فرمت یکپارچه از مدل های CAPM و APT است. فاما و فرنچ (1992) نقش ترکیبی بتا بازار، اندازه، اهرم، نسبت سود – قیمت (E / P) و حساب دفتری به بازار را برای تغییرات مقطعی در بازده مورد انتظار سهام NYSE، AMEX و NASDAQ مطالعه کردند. آنها اندازه و حساب دفتری به بازار را در کنار بتا بازار گزارش کردند که می تواند تغییرات مقطعی در بازده سهام مورد انتظار را توضیح دهد. این دو متغیر (اندازه و حساب دفتری به ارزش بازار سهام) نیز تأثیر اهرم و نسبت سود به قیمت را برای توضیح تغییرات مقطعی در بازده مورد انتظار جذب می کند.

مدل خطر متوسط برای انتخاب پورتفولیوی نامشخص با ریسک پس زمینه

Mean-risk model for uncertain portfolio selection with background risk

چکیده

1- مقدمه

2- مدلهای ریسک متوسط با ریسک پس زمینه

2-1 مدلهای غیرقطعی

2-2 شکل قطعی مدل ریسک متوسط با ریسک پس زمینه

2-3 بحث در مورد راه حل بهینه مدل ریسک متوسط با ریسک پس زمینه

3- مثالهای عددی

4- نتیجه گیری

چکیده

در زمان اتخاذ تصمیمات سرمایه گذاری، نه تنها با ریسک داراییهای مالی در پورتفولیو، بلکه با ریسک پس زمینه نیز مواجه می شویم. در این مقاله، یک مسئله انتخاب پورتفولیوی غیرقطعی مورد بحث قرار می‌گیرد که در آن ریسک پس‌زمینه در نظر گرفته می‌شود و بازده اوراق بهادار و دارایی‌های پس‌زمینه به جای ارقام و اطلاعات تاریخی توسط ارزیابی کارشناسان مجرب ارائه می‌شود. با در نظر گرفتن بازده اوراق بهادار و دارایهای پس زمینه به عنوان متغیرهای غیرقطعی، ما یک مدل ریسک متوسط غیرقطعی را با ریسک پس زمینه برای انتخاب پورتفولیو مطرح می کنیم و شکلهای قطعی این مدل را در زمانی که بازده اوراق بهادار و بازده دارایی پس‌زمینه از توزیع نرمال عدم قطعیت پیروی می کند ارائه می دهیم. نتیجه گرفته می‌شود که وقتی همه چیز یکسان باشد، بازده پرتفولیوی بهینه مورد انتظار با ریسک پس‌زمینه بطور معمول کم‌تر از زمانی است که ریسک پس‌زمینه وجود نداشته باشد. علاوه براین، ما در مورد رابطه بین راه حل بهینه مدل خود و مدل ارائه شده در مقاله Huang تحت عنوان ” انتخاب پروتفولیوی غیرقطعی با ریسک پس زمینه” بحث می کنیم. در نهایت، مثالهای عددی را ارائه می دهیم تا کارایی مدل و همچنین تاثیر ریسک پس زمینه را بر تصمیم سرمایه گذاری نشان دهیم. 

1- مقدمه

مسئله انتخاب پروتفولیو این است که چگونه در اوراق بهادار پرمخاطره سرمایه گذاری کنیم تا بازده پورتفولیو را با کنترل ریسک به حداکثر برسانیم.  Markowitz (1) ابتدا در سال 1952 مدل واریانس متوسط را که اساس نظریه پورتفولیوی مدرن است و بیشترین تاثیر را در توسعه مدیریت مالی ریاضی داشته است، مطرح کرد. با این حال، ارزیابی ریسک با واریانس بازده یک پورتفولیو دارای محدودیت هایی است. با توجه به این امر، محققان روشهای دیگری را برای اندازه گیری سرمایه گذاری در نمونه کارها مورد مطالعه قرار دادند و مدل های زیادی از بهینه سازی پورتفولیو را ارائه دادند که عبارتند از مدل نیمه واریانس متوسط (2،3) ، مدل انحراف مطلق (4)،  مدل ارزش در معرض خطر (5،6)، مدلهای شرطی ارزش در معرض خطر (7،8)، مدل CVaR نیمه واریانس متوسط (9) و غیره. در این مقاله، منحنی ریسک (10) به عنوان معیار ریسک مورد استفاده قرار می گیرد، زیرا آن اطلاعاتی را در مورد همه زیانهای احتمالی فراهم می آورد. 

4- نتیجه گیری

در این مقاله، تاثیر ریسک پس زمینه بر سرمایه گذاریها مورد بحث قرار گرفته است. در یک محیط پیچیده مالی و اجتماعی، موقعیتهایی وجود دارد که در آن بازده داراییهای پس زمینه و بازده اوراق بهادار باید توسط کارشناسان مجرب با توجه به عوامل غیرمنتظره و کمبود داده ها و اطلاعات تاریخی مورد ارزیابی قرار گیرند. این مقاله در این خصوص بحث می کند که سطح ریسک می تواند با منحنی ریسک و مدل ریسک متوسط غیرقطعی با ریسک پس زمینه برای انتخاب پورتفولیو ارزیابی شود. معادلهای قطعی این مدل ارائه شده اند. علاوه براین، برای هر rتعیین شده، مشاهده کردیم که بازده مورد انتظار پورتفولیوی بهینه با ریسک پس زمینه کوچکتر از حالت بدون ریسک آن است. مدل ما که با مدل Huang متفاوت است، می تواند همه ریسکهای ممکنی را که سرمایه گذاران می توانند تحمل کنند مورد نظر قرار دهد. 

در پایان، مثالهای عددی و همچنین تجزیه و تحلیلها نشان می دهند که مدل ریسک متوسط با ریسک پس زمینه می تواند مدل موثری باشد و ریسک پس زمینه دارای تاثیر زیادی بر تصمیم سرمایه گذاری است. 

Abstract

When making investment decisions, one will face not only the risk of financial assets within portfolio but also background risk. This paper discusses an uncertain portfolio selection problem in which background risk is considered and the security returns and background assets return are given by experienced experts’ evaluations instead of historical data. Regarding the returns of the securities and background assets as uncertain variables, we propose an uncertain mean-risk model with background risk for portfolio selection and the crisp forms of the model are provided when security returns obey different uncertainty distributions. In addition, when everything else is same, it is concluded that the optimal expected return of the mean-risk model with background risk is usually smaller than that without background risk. Moreover, the relationship between the optimal solution of our model and that of the model in Huang’s paper “Uncertain Portfolio Selection with Background Risk” is discussed. Finally, numerical examples are presented to illustrate the effectiveness of the model and to show the effect of background risk on investment decision.

1- Introduction

Portfolio selection problem is to consider how to allocate one’s capital in different risky securities in order to maximize the return of portfolio with risk control. Markowitz [1] first proposed the mean–variance model in 1952, which is the foundation of modern portfolio theory and has been the most impact-making development in mathematical finance management. However, measuring the risk by the variance of return of a portfolio has some limitations. In view of this, scholars studied other methods to measure investment risk of the portfolio and built a lot of portfolio optimization models, such as, mean– semivariance model [2,3], expected absolute deviation model [4], Value-at-Risk model [5,6], Conditional Value-at-Risk models [7,8], mean–semivariance–CVaR model [9], etc. In this paper, risk curve [10] will be used as the risk measure since it provides information about all the likely losses.

4- Conclusions

In this paper, the effect of the background risk on investments has been discussed. In the complex financial and social environment, there are situations where background assets return and the security returns have to be evaluated by experienced experts due to the unexpected things and the lack of historical data. This paper has discussed that risk level can be measured by risk curve and proposed uncertain mean-risk model with background risk for portfolio selection. The crisp equivalents of the model are provided. In addition, for any given r, we have found that the expected return of the optimal portfolio with background risk is smaller than that without background risk. Different from Huang’s model, our model can consider all the possible risks that investors could tolerate.

Finally, both the numerical examples and the analysis show that the mean-risk model with background risk is effective and background risk has a great effect on the investment decision.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدل خطر متوسط برای انتخاب پورتفولیوی نامشخص با ریسک پس زمینه

Mean-risk model for uncertain portfolio selection with background risk

بهینه سازی پویای پرتفو با ابهام گریزی

Dynamic portfolio optimization with ambiguity aversion

چکیده
1- مقدمه
2- مدل سازی و استراتژی معاملاتی بهینه
2-1 مدل بدون ابهام
2-2 مدل همراه با ابهام گریزی
2-3 استراتژی معاملاتی بهینه با ریسک گریزی
3- ویژگی های استراتژی معاملاتی بهینه با ابهام گریزی
3-1 اصول پایه ای معامله
3-2 اصل معاملاتی اضافی با ابهام گریزی
4- عملکرد استراتژی معاملاتی استوار: بررسی تجربی
4-1 داده
4-2 تخمین مدل
4-3 عملکرد استراتژی معاملاتی استوار
4-4 اثر هزینه های معاملاتی و تغییرپذیری پیش بینی کننده در عملکرد
4-5 استوار بودن در برابر استراتژ های نااستوار مقیاس شده
5- نتیجه گیری

چکیده

این مقاله، انتخاب پرتفو در حضور هزینه های معاملاتی و ابهام در مورد پیش بینی بازدهی را بررسی می کند. از طریق تمایز بین ابهام گریزی بازدهی و پیش بینی بازدهی، قانون معاملاتی پویای بهینه را به شکل نزدیکی به کار Gârleanu and Pedersen (2013)، با استفاده از روش بهینه سازی استوار استخراج می کنیم. مشخصات آن و مکانیزم منحصربه فرد آن را تعیین می کنیم که از طریق اثرات ابهام گریزی، بر استراتژی استوار بهینه اثر می گذارد. علاوه براین، دو اصل معاملاتی کار Gârleanu and Pedersen (2013) نیز آورده شدند. مدل ما بیشتر بر این اشاره دارد که استراتژی استوار، زیان مورد انتظار ناشی از خطاهای برآورد را کاهش می دهد. سرمایه گذاران ابهام گریز به سمت پرتفوهایی می روند که وزن کمتری به فاکتورهای پیش بینی کنندۀ بازده با نوسان بالا می دهند و وزن های کمتری به اوراق بهاداری می دهند که موقعیت های پرهزینه و بزرگی در پرتفوهای موجود دارند. با استفاده از داده ها در قراردادهای آتی کالاهای مختلف نشان می دهیم که استراتژی استوار بهتر از استراتژی نااستوار در آزمون های خارج از نمونه بهتر عمل می کند.

1- مقدمه

بهینه سازی پرتفو به طور قطعی به بازدهی پیش بینی شدۀ تک تک اوراق بهادار بستگی دارد؛ بنابراین، پرتفوی حاصل شده می تواند از عملکرد ضعیف تری برای خارج از نمونه، به دلیل خطاهای برآورد در بازدهی دارایی داشته باشد. برای مثال، اگر بازده داریی بیشتر تخمین زده شود، آنگاه موقعیت حاصل شده در این دارایی از بالا اریب است نه تنها باعث کاهش بازدهی کل پرتفو می شود هم چنین مستلزم هزینه های معاملاتی بی جا نیز می گردد. نکتۀ مهم، تنظیمات بعدی است که آن را به سمت این موقعیت اریب گرایش می دهد منجر به گردش مالی قابل توجهی می شود و هزینه های معاملاتی بیشتری را نیز شامل می شود. اثر خطاهای برآورد، به طور ویژه، برای استراتژی های معاملاتی پویای متعادل با فراوانی بالا، مانند حرکت و استراتژی های معکوس، اعلام می شود.
خطاهای برآورد افزایش بازده، به دلیل مدل استفاده شده در بازدهی های پیش بینی شده، ممکن است به اشتباه مشخص شده باشند و پارامترهای مدل مجبور به تخمین برمبنای اطلاعات محدود موجود باشند. به عبارت دیگر، برای مدل و ابهام یا عدم قطعیت پارامتر، فرآیندهای ایجاد داده برای بازدهی ها و پیش بینی کننده ها، باید مجاز باشد چون توزیع های کامل بازده ها و متغیرهای پیش بینی بازده، برای سرمایه گذاران به دلیل اطلاعات ناقص ناشناخته است (Epstein and Wang, 1994; Hansen and Sargent, 2001). با در نظرگرفتن اثر قابل توجه خطاهای برآورد در وزن های پرتفو و عملکرد پرتفو، شواهدی وجود دارد که مخالف این مورد است که سرمایه گذاران نسبت به ابهام در بازدهی برآورد شدۀ دارایی خنثی هستند (Hansen and Sargent, 2001; Garlappi et al., 2007; Jeong et al., 2015) . برای سرمایه گذاران فعال، عامل ابهام گریزی در رویۀ بهینه سازی پرتفو مهم است.

5- نتیجه گیری

کار قبلی در مرور ادبیات مالی، مستند می کند که بازده های اوراق بهادار، قابل پیش بینی هستند، با این وجود، بازده های پیش بینی شده، به دلیل حضور مدل و پارامترهای غیرقطعی، تنها به صورت تقریبی واقعی هستند،. اشتباهات تخمین در بازدهی های اوراق بهادار می تواند منجر به عملکرد ضعیف پرتفو، به صورت خاص، زمانی که هزینه های معاملاتی زیاد هستند شود. این مقاله انتخاب پرتفوی بهینه را در حضور هزینه های معاملاتی و ابهام گریزی بررسی می کند. با سازگاری روش بهینه سازی استوار GX، ما مدل GP را به وسیلۀ دخیل کردن ابهام گریزی در چارچوب مدل گسترش می دهیم. نه مانند مدل GX، می توانیم سرمایه گذاران را برای داشتن درجه ای از ابهام گریزی در بازده ها و پیش بینی کننده های بازده مجاز بدانیم. ما نه تنها می توانیم استراتژی معاملاتی پویای استوار بهینه را در شکل بسته بیابیم، هم چنین ویژگی هایش مشخص کنیم و مکانیزم منحصربه فرد را از طریق استراتژی استوار برای عملکرد خارج از نمونه روی استراتژی نااستوار بهبود دهیم.

Abstract

This paper investigates portfolio selection in the presence of transaction costs and ambiguity about return predictability. By distinguishing between ambiguity aversion to returns and to return predictors, we derive the optimal dynamic trading rule in closed form within the framework of Gârleanu and Pedersen (2013), using the robust optimization method. We characterize its properties and the unique mechanism through which ambiguity aversion impacts the optimal robust strategy. In addition to the two trading principles documented in Gârleanu and Pedersen (2013), our model further implies that the robust strategy aims to reduce the expected loss arising from estimation errors. Ambiguity-averse investors trade toward an aim portfolio that gives less weight to highly volatile return-predicting factors, and loads less on the securities that have large and costly positions in the existing portfolio. Using data on various commodity futures, we show that the robust strategy outperforms the corresponding non-robust strategy in out-of-sample tests.

1- Introduction

Portfolio optimization depends crucially on the predicted returns of individual securities; thus, the resulting portfolio may deliver poor out-of-sample performance due to estimation errors in asset returns. For example, if an asset return is overestimated, then the resulting upward-biased position in this asset not only lowers the overall portfolio return but also entails unwarranted transaction costs. Importantly, subsequent adjustments to this biased position may lead to significant turnover and induce further transaction costs. The effect of estimation errors is particularly pronounced for highly frequently-rebalanced dynamic trading strategies, such as momentum and contrarian strategies.
Estimation errors in returns arise because the model used to predict returns might be misspecified, and model parameters have to be estimated based on limited available information. In other words, modelling data-generating processes for returns and their predictors must allow for model and parameter ambiguity or uncertainty, as the complete distributions of returns and return-predicting variables are unknown to investors due to imperfect information (Epstein and Wang, 1994; Hansen and Sargent, 2001). Given the significant impact of estimation errors on portfolio weights and portfolio performance, there is evidence that investors are averse rather than neutral to ambiguity in estimated asset returns (Hansen and Sargent, 2001; Garlappi et al., 2007; Jeong et al., 2015).1 It is important for active investors to factor ambiguity aversion into the portfolio optimization procedure. .

5- Conclusion

Previous work in the finance literature documents that security returns are predictable; however, the predicted returns are just an approximation of reality, due to the presence of model and parameter uncertainties. Estimation errors in security returns could lead to poor portfolio performance, particularly when transaction costs are high. This paper investigates the optimal portfolio choice in the presence of transaction costs and ambiguity aversion. Adopting GX’s robust optimization method, we extend GP’s model by incorporating ambiguity aversion into the model framework. Unlike GX’s model, we allow investors to have different degrees of ambiguity aversion to returns and to return predictors. We not only derive the optimal robust dynamic trading strategy in closed form, but also characterize its properties and clarify the unique mechanism through which the robust strategy improves out-of-sample performance over the non-robust strategy.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بهینه سازی پویای پرتفو با ابهام گریزی

Dynamic portfolio optimization with ambiguity aversion

بهینه سازی پورتفولیوی میانگین ارزش-در-ریسک: رویکردی غیر پارامتری

Mean-VaR Portfolio Optimization: A Nonparametric Approach

چکیده

1- پیشگفتار

2- ارزش-در-ریسک: مروری اجمالی

3- مسائل بهینه‌سازی چند-منظوره‌ی پورتفولیو

3-1- مساله‌ی بهینه‌سازی پورتفولیوی میانگین-VaR

3-2- محدودیت‌های عملی

محدودیت کاردینالیته

محدودیت‌های کف و سقف

محدودیت پیش-تخصیص

محدودیت‌های Round Lot

محدودیت‌های کلاس

محدودیت‌های حد کلاس

3-3- مساله‌ی بهینه‌سازی عملی پورتفولیوی میانگین-VaR

4- یک الگوریتم تکاملی چند-منظوره‌ی یادگیری-محور

4-1- MODE-GL ارائه شده

5- ارزیابی عملکرد

5-1- مجموعه‌های داده

5-2- شاخص‌های کیفیت

5-3- رویکردهای مورد مطالعه

5-4- مقایسه‌های الگوریتم‌ها

6- نتیجه‌گیری‌ها

چکیده

بهینه‌سازی پورتفولیو شامل تخصیص بهینه‌ی سرمایه‌ی محدود به دارایی‌های مالی مختلف قابل دسترس به منظور دستیابی به یک مبادله‌ی معقولانه بین سود و ریسک است. ما یک مدل میانگین-VaR مارکوویتز را در نظر می‌گیریم که در آن، واریانس با یک معیار ریسک استاندارد صنعتی، یعنی ارزش-در-رسیک (VaR)، به منظور ارزیابی بهتر قرار گرفتن در معرض ریسک بازار مربوط به نوسانات قیمت دارایی‌های مالی و کالایی جایگزین می‌شود. بهینه‌سازی واقع‌بینانه‌ی پوتفولیو در چارچوب کاری میانگین-VaR، مساله‌ای چالش برانگیز است زیرا بهینه‌سازی VaR منجر به یک مساله‌ی نامحدب NP-hard می‌شود که از لحاظ محاسباتی حل نشدنی است. در این کار، یک الگوریتم تکاملی چند-منظوره ترکیبی مبتنی بر یادگیری (MODE-LG) کارامد را به منظور حل مسائل بهینه‌سازی پورتفولیوی میانگین-VaR با محدودیت‌های جهان-واقعی، مانند کاردینالیته ، کمیت، پیش-تخصیص، Round-lot (یک واحد معامله در بورس است)، و محدودیت‌های کلاس ارائه می‌دهد. یک استراتژی تولید راه‌حل مبتنی بر یادگیری، در فرایند بهینه‌سازی چند-منظوره به منظور ارتقاء همگرایی کارامد به وسیله هدایت جستجوی تکاملی در جهت نواحی امیدبخش فضای جستجو ادغام می‌شود. الگوریتم ارائه شده، در برابر الگوریتم ژنتیکی مرتب‌سازی غیر-غالب (NSGA-II) و الگوریتم تکاملی قدرت پارتو (SPEA2) مقایسه می‌شود. نتایج تجربی به دست آمده با استفاده از داده‌های روزانه‌ی تاریخی بازار مالی از شاخص‌های S&P100 و S&P500 ارائه می‌شوند. نتایج تجربی نشان می‌دهند که MODE-GL، بهتر از دو تکنیک موجود برای این کلاس مهم مسائل سرمایه‌گذاری پورتفولیو در زمینه کیفیت راه‌حل و زمان محاسباتی عمل می‌کند. نتایج نشان می‌دهند که الگوریتم ارائه شده قادر به حل بهینه‌سازی پورتفولیوی پیچیده، بدون ساده‌سازی، است و در عین حال، راه‌حل‌های خوبی را در زمان معقول به دست می‌آورد و دارای پتانسیل قابل توجهی برای استفاده در عمل است.

6- نتیجه‌گیری‌ها

در این کار، ما مساله‌ی بهینه‌سازی پورتفولیو را با شش محدودیت عمل با کاربرد گسترده در سناریوهای تجاری زندگی واقعی مورد بررسی قرار داده‌ایم. تمرکز این کار به عنوان ریسک نامطلوب به عنوان یک معیار ریسک پیشنهادی در بازارهای مالی است و یک چارچوب واقع‌بینانه برای بهینه‌سازی پورتفولیو اتخاذ می‌شود که از گسترده‌ترین رویکرد در نظر گرفته شده‌ی میانگین-واریانس دور می‌شود. ارزش-در-ریسک (VaR) به عنوان یک معیار ریسک استفاده می‌شود و یک رویکرد شبیه‌سازی تاریخی برای محاسبه‌ی VaR اتخاذ می‌شود. بهینه‌سازی پورفولیو در زمینه‌ی VaR شامل پیچیدگی‌های اضافی است زیرا VaR غیر خطی، نامحدب و غیر دیفرانسیل‌پذیر است و معمولا ناپیوستگی‌های و بی‌نهایت‌های موضعی را به ویژه زمانی که محدودیت‌های تجاری جهان واقعی ادغام می‌شوند نشان می‌دهد [32]. یک الگوریتم تکاملی چند-منظوره‌ی هیبرید یادگیری-محور (MODE-GL) کارامد جدید برای حل مسائل بهینه‌سازی میانگین-VaR با محدودیت‌های تجاری عملی توسعه یافته است.

Abstract

Portfolio optimization involves the optimal assignment of limited capital to different available financial assets to achieve a reasonable trade-off between profit and risk. We consider an alternative Markowitz’s mean–variance model in which the variance is replaced with an industry standard risk measure, Value-at-Risk (VaR), in order to better assess market risk exposure associated with financial and commodity asset price fluctuations. Realistic portfolio optimization in the mean-VaR framework is a challenging problem since it leads to a non-convex NP-hard problem which is computationally intractable. In this work, an efficient learning-guided hybrid multi-objective evolutionary algorithm (MODE-GL) is proposed to solve mean-VaR portfolio optimization problems with real-world constraints such as cardinality, quantity, pre-assignment, round-lot and class constraints. A learning-guided solution generation strategy is incorporated into the multi-objective optimization process to promote efficient convergence by guiding the evolutionary search towards promising regions of the search space. The proposed algorithm is compared with the Non-dominated Sorting Genetic Algorithm (NSGA-II) and the Strength Pareto Evolutionary Algorithm (SPEA2). Experimental results using historical daily financial market data from S & P 100 and S & P 500 indices are presented. The results show that MODE-GL outperforms two existing techniques for this important class of portfolio investment problems in terms of solution quality and computational time. The results highlight that the proposed algorithm is able to solve the complex portfolio optimization without simplifications while obtaining good solutions in reasonable time and has significant potential for use in practice.

6- Conclusions

In this work, we have investigated the portfolio optimization problem with six widely used practical constraints in real life trading scenarios. This work focuses on downside risk as an alternative risk measure in financial markets and adopts a realistic framework for portfolio optimization that moves away from most widely considered mean-variance approach. Value-at-Risk (VaR) is used as a risk measure and a historical simulation approach is adopted to calculate VaR. This technique is nonparametric and does not require any distributional assumptions. The portfolio optimization in the VaR context involves additional complexities since VaR is non-linear, non-convex and non-differentiable, and typically exhibits multiple local extrema and discontinuities especially when real-world trading constraints are incorporated [32]. A new efficient learning-guided hybrid multi-objective evolutionary algorithm (MODE-GL) has been developed to solve mean-VaR portfolio optimization problems with practical trading constraints.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بهینه سازی پورتفولیوی میانگین ارزش-در-ریسک: رویکردی غیر پارامتری

Mean-VaR Portfolio Optimization: A Nonparametric Approach

طراحی یک مدل بلوغ مدیریت پورتفولیو (النا)

(Designing a Portfolio management maturity model (Elena

چکیده

مدل‌های بلوغ مختلفی برای تعیین چگونگی تلاش سازمان‌ها در بهبود عملکردشان پیشنهاد شده است. اکثر انها در سطح مدیریت پروژه بوده و به سطوح کلان دیگر مانند مدیریت پورتفولیو نمی‌پردازند. ارزیابی بلوغ در سازمان‌هایی که مدیریت پورتفولیو را اجرا کرده‌اند موضوع نسبتا جدیدی است و از نظر آکادمیکی به شکل عمیقی مورد مطالعه قرار نگرفته است. بنابراین مدل‌های بلوغ زیادی در این سطح وجود ندارد. هدف این مقاله ارائه یک مدل بلوغ مدیریت پورتفولیو به نام ELENA است. سعی کرده‌ایم از طریق مرور ادبیات، مدلی بسازیم که مزیت‌های مدل‌های پیشین را حفظ کرده و معایب انها را اصلاح و بهبود ببخشد. این مدل، تکامل مدیریت پورتفولیو را از طریق سه بعد ارزیابی کرده و چهار روش برای ارزیابی پیشنهاد می‌دهد.

مقدمه

اصطلاح بلوغ می‌تواند به عنوان تکامل و یا در شرایط بهتر پیشرفت معنی شود. همچنین نشان می‌دهد که موفقیت چگونه حاصل می‌شود و چه رهیافت‌هایی باید به منظور جلوگیری از مشکلات اتخاذ شود (Berssanete, Carvalho, Lopes & Muscat, 2008). مدل بلوغ، چهارچوبی است که حرکت مطلوب به سمت پیشرفت دلخواه را با استفاده از مراحل و سطوح متوالی توصیف می‌کند (TJ Man, 2007). در بررسی تصویر “کاملِ” کارایی سازمان، این یک نیاز است. بنابراین مدل تکامل به شکل فزاینده ‌ای رواج یافته است (Backlund, Chronéer & Sundqvist, 2014). مدل تکامل به سازمان‌ها این امکان را می‌دهد تا اقدامات خود به قصد ترسیم مسیر ساخت یافته پیشرفت را، با بهترین اقدامات مقایسه و ارزیابی کنند (Penny packer and Grant, 2003). مدل های بلوغ به عنوان مدل‌هایی نگریسته می شودند که جنبه های مشخصی از واقعیت را که معمولا قابلیت ها نامیده می شود، نشان می دهند و ویژگی های کیفی را به منظور طبقه بندی شایستگی، به یکی از زمینه های تعریف شده مشخص می کنند. این طبقات معمولا باعث یک رده بندی ترتیبی می شوند (Kohlegger, Maier & Thalmann, 2009).

نتیجه گیری

همچنانکه سازمانها به رشد و توسعه خود ادامه می‌دهند و دانش مدیریت پورتفولیو توسعه می‌یابد، سازمان‌های بسیاری بر ان می شوند تا بدانند که درکجا منحنی یادگیری قرار دارند و به منظور بهبود عملکردشان چه کار باید بکنند. بلوغ مدیریت پورتفولیو احتمال دستیابی موفق سازمان به اهداف راهبردی را ارزیابی کرده و در بازار به انها مزیت رقابتی میدهد. علی رغم نقش قابل توجه مدیریت پورتفولیو، مدل منسجمی برای ارزیابی ابعاد مختلف بلوغ پورتفولیو وجود ندارد و مدل های اندک موجود نیز دارای ضعف های بسیاری می باشند. این مقاله یک مدل مدیریت پورتفولیو پنج سطحی به نام النا تنظیم کرده است که بر اساس مدیریت ساختاری پورتفولیوی رویکرد راهنمای الناست.

Abstract

Various maturity models have been proposed to determine how well organizations are doing in order to improve their performance. Most of them are at the project management level and miss the other macro levels like portfolio management. Assessing maturity in organizations that have implemented portfolio management is a rather recent topic and has not been academically discussed in depth; therefore, there aren’t ample maturity models in this level. The purpose of this study is to present a portfolio management maturity model called ELENA. Through literature review we tried to build up a model which keeps the advantages of previous models in addition to fixing their problems and improve them. This model assesses the maturity of portfolio management through three dimensions and offers four ways for assessment.

Introduction

The term maturity can be interpreted as a complete – or in perfect conditions – development; also, provides visibility of how success occurs and what approaches should be taken to correct or to prevent occurring problems (Berssanete, Carvalho, Lopes & Muscat, 2008). A maturity model is a framework describing the ideal progression toward desired improvement using several successive stages or levels (TJ Man, 2007). There is a need to look at an organization’s “complete” picture of effectiveness; therefore, maturity models have become increasingly prevalent (Backlund, Chronéer & Sundqvist, 2014). A maturity model allows organizations to assess and compare its own practices against best practices with the intention to map out a structured path to improvement (Penny packer and Grant, 2003). Maturity models are seen as models that reflect certain aspects of reality, often called capabilities, and define qualitative attributes which are used to classify a competence object into one of several clearly defined areas. These classes are typically brought into a sequential order (Kohlegger, Maier & Thalmann, 2009).

Conclusion

As organizations continue to grow and develop and as the knowledge of Portfolio Management continues to develop, more and more organizations are going to want to know where they are on their own learning curve and what they should take to improve their performance on portfolios. The portfolio management maturity assesses organization’s probability of successfully achieving strategic objectives and gives them competitive advantage in the marketplace. Despite the significant role of portfolio management, there is not an integrated model evaluating different dimensions of portfolio maturity, and few present models have many drawbacks. This paper has established a five-level portfolio management maturity model called ELENA which is based on the structural portfolio management of ELENA guidance approach. This model includes all the necessary concepts, processes and documentations for the portfolio management. It can be applied to various portfolios in any environment.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

طراحی یک مدل بلوغ مدیریت پورتفولیو (النا)

(Designing a Portfolio management maturity model (Elena

کنترل اسناد و مدارک پروژه چند میلیاردی – مایلستون به عنوان شاخص عملکردی برای مدیریت پرتفلیو پروژه

Controlling a Multibillion Project Portfolio – Milestones as Key Performance Indicator for Project Portfolio Management

چکیده

1- مقدمه

2- روش و رویکرد تحقیق

3- چارچوب نظری – مدیریت پرتفلیو پروژه و عدم اطمینان در برنامه ریزی

4- پرتفلیو و چارچوب مطالعه

5- نتیجه گیری

چکیده

مطالعات مختلف نشان می دهند که پروژه ها تمایل به تاخیر دارند. برای یک پروژه این امر یک چالش می باشد، اما برای مدیران پرتفلیو که صدها پروژه بزرگ را کنترل می کنند، تاخیرها را نیز می توان به مشکلات قابل توجه افزود. این مطالعه موردی مبتنی بر اندازه گیری داده های بیش از 200 مایلستون در طول دوره بیش از 6 ساله می باشد که تجارت چندین میلیارد دلاری را پوشش می دهد و هر ساله 200 – 300 پروژه بزرگ را اجرا می کند. این مقاله راهبردهایی را برای کنترل پرتفلیوها علی رغم تاخیرها نشان خواهدداد. تحلیل تاخیرهای مایلستون (رویدادها یا وقایع مهم در پروژه که باید مدیریت شوند) الگوهای بازگشتی را نشان می دهد، که تبدیل به اطلاعات مورد استفاده برای کنترل می شود. در تجزیه وتحلیل 5 ناحیه کسب وکار مختلف، دریافته شد که الگوی تاخیرها مشابه می باشد. منحنی ها دستاورد نسبتا بزرگی را نشان می دهند که هر سال تکرار می شوند، و منحنی های گرایش را ایجاد می-کنند. چون مدیر پرتفلیو این رفتار را انتظار دارد، در نتیجه از این اطلاعات برای کنترل جریان نقدینگی پرتفلیو پروژه استفاده می کند. داده ها منحصر به فرد هستند، اما ما فکر می کنیم که گرایش های اندازه گیری شده نوعی از گرایش های کلی را نشان می دهند. علی رغم تاخیرهای نسبتا بزرگ در پرتفلیو، مدیر پرتفلیو طوری مدیریت می کند تا بودجه را فراهم کند. موفقیت در سطح پروژه لزوما مشابه با کنترل موفق پرتفلیو نیست.

1- مقدمه

تاخیرها در پروژه ها یک پدیده کلی است و تبدیل به یک بخش معمول از نگرانی مدیر پروژه شده است. پروژه ها به دلایل مختلفی به تاخیر می افتند. Zidane et al. (2015) تعدادی از دلایل ذکرشده در متون را لیست کرده-است. مقالاتی که فاکتورهای تاخیر (و تعویق) را بحث وبررسی می کنند، نشان دادند که دلایل تاخیر اغلب بیرونی هستند تا داخلی. این مقاله ها نکته (قبلی) را با دلایلی همچون محیط ساخت وساز، فرهنگ های کاری، سبک مدیریت، روش های ساخت وساز، شرایط جغرافیایی، ذینفعان، سیاست حکومتی، شرایط اقتصادی و دسترس پذیری منابع، که این موارد تنها چند مورد اندک می باشند، بررسی کردند. این مقاله مبتنی بر تحلیل داده های هدف می-باشد و مسائل ذاتی واصلی را که اغلب مدیران پروژه با آن روبرو می شوند، بررسی می کند. این مقاله مبتنی بر این واقعیت است که تاخیرها در پرتفلیو بزرگ را قابل پیش بینی است و علاوه برآن راهبردهایی را نیز می توان برای کنترل اثر تاخیرها پیاده سازی کرد.

5- نتیجه گیری

هدف استراتژیک باید در محدوده بودجه باشد. مدیر پرتفلیو، پرتفلیو را مبتنی بر شاخصه هایی که مورد انتظار هستند و هر ماه اندازه گیری و تحلیل می شوند، کنترل می کند. علی رغم تاخیرها، هدف اقتصادی قابل دسترس می باشد. موفقیت پروژه لزوما با کنترل موفق پرتفلیو یکسان نیست.
از مطالعه موردی حاضر، حداقل دو موضوع وجوددارد که ما بر این باور هستیم که باید برآن ها تمرکز شود. مورد اول داده هایی است که به نشان می دهد چگونه مایلستون ها (نقاط عطف) تحت مجموعه قواعد یکسانی تمایل به انتقال دارند. این امر نشان می دهد که پرتفلیو پس از 5 – 6 ماه به سطح 60 – 65% از دستاورد مایلستون و میانگین مجموع 70% کاهش می یابد. برای مدیری که پرتفلیو را کنترل می کند، این گرایش آشنا است و از پیش راهبردهایی را به منظور اجتناب از عملکرد ضعیف تحت بودجه برنامه ریزی می کند. درطی سال مایلستون ها در صورتی که موردی از نرم عادی خود منحرف شود، شاخص هایی را فراهم می کنند.

Abstract

Different studies show that projects tend to be delayed. For one project this is a challenge, but for the portfolio manager managing hundreds of large projects, delays can add up to significant problems. This case study is based on data measuring more than 2000 milestones over a period of more than six years, covering a multi-billion dollar business that runs 200-300 large projects every year. This paper will address strategies for governing portfolios despite delays. Analyzis of the milestone delays show reoccurring patterns, which is made into information used to govern. In the five different business areas analysed, the pattern of delays were found to be similar. The curves showing relative milestone achievement repeat themselves year after year, producing tendency curves. Since the portfolio manager expects this behavior he uses the information to govern the project portfolio cash flow. The data are unique, but we think the measured tendencies indicate some sort of global tendencies. Despite relative large delays in the portfolio the portfolio manager manages to meet the budget. Success on project level is not necessarily the same as success governing a portfolio.

1- Introduction

Delays in projects are a global phenomenon and have become a typical part of the project manager’s concern. Projects are delayed for a variety of reasons. Zidane et al. (2015) lists a number of reasons mentioned in the literature. Articles discussing delay factors suggest that reasons often are more external than internal. The articles surveyed (ibid) point to reasons such as construction environment, working cultures, management style, methods of construction, geographical condition, stakeholders, government policy, economic situation, and availability of resources, to name a few. This paper is based on objective data analysis and looks into inherent problems that project managers often face. The article is based on the fact that delays in a large portfolio can be foreseen and strategies to govern the effect of delays can be implemented.

5- Conclusions

The strategic goal is to be on budget. The portfolio manager governs the portfolio based on characteristics which are expected, measured and analyzed every month. Despite delays, the economic target is reached. Projects success is not necessarily the same as success governing a portfolio.
From the case study there are at least two issues we believe should be focused on. The first is the data that shows us how milestones tend to move within a year under the same set of rules. It shows that the portfolio drops to a level of 60-65 % of milestone achievement after 5-6 months, to a total mean of 70 %. For the manager governing the portfolio, this tendency is known and strategies to avoid budget underperformance can be planned well in advance. During the year the milestones give indications if something deviates from the norm.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کنترل اسناد و مدارک پروژه چند میلیاردی – مایلستون به عنوان شاخص عملکردی برای مدیریت پرتفلیو پروژه

Controlling a Multibillion Project Portfolio – Milestones as Key Performance Indicator for Project Portfolio Management