View : 54 Download: 0

수리계획법을 이용한 국내 주식 시장에서의 포트폴리오 선정 모형 비교

Title
수리계획법을 이용한 국내 주식 시장에서의 포트폴리오 선정 모형 비교
Authors
김지선
Issue Date
2000
Department/Major
경영대학원 경영학전공
Publisher
이화여자대학교 경영대학원
Degree
Master
Abstract
본 연구에서는 최적의 포트폴리오 선정을 위한 Mean-Variance(MV) 모형과 Mean Absolute Semideviation(MASD) 모형을 제시하고, 이들의 성과를 비교․분석하여 두 모형의 특성 및 장․단점을 알아보고자 한다. 이 두 모형은 기존의 전통적인 분석 방법으로 목적함수가 2차식인 Quadratic programming 모형의 MV 모형과 목적함수가 1차식인 Downside Risk를 측정하는 선형계획모형의 MASD 모형으로 두 모형의 특성이 매우 대조를 이루고 있어 투자자의 최저요구수익률의 변화에 따라 두 모형의 포트폴리오 수익률에 차이가 있는 것으로 나타난다. 본 연구에서는 포트폴리오 선정 모형 비교 분석을 위해 1998년 6월부터 2000년 6월까지의 KOSPI 50에 포함된 47개 주식의 주별 수익률 자료를 이용한다. 본 연구결과 실질적으로 투자자가 느끼는 위험을 최소화하는 데에는 MASD 모형이 MV 모형보다 높은 평균수익률의 포트폴리오를 제시하는 것으로 나타났다.;The problem of portfolio optimization is to invest a capital in the stock market and that a resonable trade-off between rate of return and risk can be obtained. This problem can be interpreted in such way that the risk is minimized and a given rate of return is guaranteed. The most classical portfolio optimization model is the Markowitz model, which guarantees the minimum possible risk for a desired average rate of return, and is formulated as a quadratic programming model. In this study, we propose two models for the portfolio selection and compare the performance of the models which includes the real characteristics of the Korean stock market. The mean variance model(MV model) is a conventional model based on quadratic programming. The mean absolute semideviation model(MASD model) focusing on the returns below a specified mean return is a model of linear programming. The results of this study can be summarized as the mean absolute semideviation model produces a higher average portfolio return than the mean variance model.
Fulltext
Show the fulltext
Appears in Collections:
경영대학원 > 경영학전공 > Theses_Master
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE