طراحی مدل مدیریت بهینه پورتفوی ارزهای دیجیتال مبتنی بر قراردادهای آتی با رویکرد مدل مارکوویتز و تحلیل پوششی داده‌ها

نویسندگان

    یحیی گلی توانی دانشجوی دکتری، گروه حسابداری، واحد فیروزکوه، دانشگاه آزاد اسلامی، تهران، ایران.
    زهرا یوسفی امین * گروه حسابداری، واحد فیروزکوه، دانشگاه آزاد اسلامی، تهران، ایران. z.yousefi@iaufb.ac.ir
    مرضیه ابراهیمی شقاقی گروه حسابداری، واحد شهریار، دانشگاه آزاد اسلامی، تهران، ایران.

کلمات کلیدی:

ارزهای دیجیتال, مدیریت پورتفوی, قراردادهای آتی, تحلیل پوششی داده‌ها, مدل مارکوویتز, بهینه‌سازی سرمایه‌گذاری

چکیده

هدف این پژوهش ارائه یک مدل یکپارچه برای مدیریت بهینه پورتفوی ارزهای دیجیتال مبتنی بر قراردادهای آتی با استفاده از مدل مارکوویتز و تحلیل پوششی داده‌ها به‌منظور بهینه‌سازی همزمان بازده، ریسک و کارایی سرمایه‌گذاری بود. این پژوهش از نظر هدف کاربردی و از حیث روش، کمی و مبتنی بر مدل‌سازی ریاضی بود. جامعه پژوهش شامل ارزهای دیجیتال فعال بازار جهانی و نمونه شامل 20 رمزارز منتخب طی دوره 2019 تا 2024 بود. داده‌های تاریخی قیمت و بازده از پایگاه‌های معتبر مالی استخراج شد. در مرحله نخست، ترکیب بهینه دارایی‌ها با استفاده از مدل توسعه‌یافته مارکوویتز تعیین شد و سپس کارایی پورتفوی‌ها و رمزارزها از طریق تحلیل پوششی داده‌های شبکه‌ای (DEA) ارزیابی گردید. شاخص‌های بازده مورد انتظار، ریسک و نسبت‌های کارایی برای مقایسه گزینه‌های سرمایه‌گذاری مورد استفاده قرار گرفتند. نتایج نشان داد که رابطه‌ای مستقیم میان ریسک و بازده در بازار ارزهای دیجیتال وجود دارد و تنوع‌بخشی مناسب موجب انتقال مرز کارا به سمت مطلوب می‌شود. مدل مارکوویتز بیشترین وزن را به رمزارزهای دارای نسبت بازده به ریسک مطلوب‌تر اختصاص داد و بیت‌کوین و اتریوم به‌عنوان اجزای اصلی پورتفوی بهینه شناسایی شدند. تحلیل مرز کارا نشان داد پورتفوی منتخب روی مرز کارا قرار داشته و عملکرد مطلوب‌تری نسبت به سایر ترکیب‌ها دارد. همچنین نتایج DEA بیانگر آن بود که ترکیب رویکرد بهینه‌سازی پورتفوی و ارزیابی کارایی قادر به شناسایی رمزارزها و پورتفوی‌های کاراتر بوده و استفاده همزمان از معاملات نقدی و قراردادهای آتی موجب کاهش ریسک و بهبود بازده تعدیل‌شده بر اساس ریسک می‌شود. مدل تلفیقی مارکوویتز و تحلیل پوششی داده‌ها چارچوبی کارآمد برای مدیریت ریسک، تخصیص بهینه دارایی‌ها و بهبود عملکرد سرمایه‌گذاری در بازار ارزهای دیجیتال فراهم می‌کند و می‌تواند به‌عنوان ابزاری کاربردی برای سرمایه‌گذاران و مدیران مالی مورد استفاده قرار گیرد.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Adhami, S., & Guegan, D. (2019). Crypto assets: the role of ICO tokens within a well-diversified portfolio. Journal of Industrial and Business Economics, 47(2), 219-241. https://doi.org/10.1007/s40812-019-00141-x

Aliu, F., Bajra, U. Q., & Preniqi, N. (2021). Analysis of Diversification Benefits for Cryptocurrency Portfolios Before and During the COVID-19 Pandemic. Studies in Economics and Finance, 39(3), 444-457. https://doi.org/10.1108/sef-05-2021-0190

Almeida, J. M. d., & Gonçalves, T. (2022). Portfolio Diversification, Hedge and Safe-Haven Properties in Cryptocurrency Investments and Financial Economics: A Systematic Literature Review. Journal of Risk and Financial Management, 16(1), 3. https://doi.org/10.3390/jrfm16010003

Boiko, V., Ye, T., Kononenko, R. Y., & Goncharov, D. (2021). Optimization of cryptocurrency portfolio considering risks. Journal of Management Information and Decision Sciences, 24(4), 1-9.

Bowala, S., & Singh, J. (2022). Optimizing Portfolio Risk of Cryptocurrencies Using Data-Driven Risk Measures. Journal of Risk and Financial Management, 15(10), 427. https://doi.org/10.3390/jrfm15100427

Brauneis, A., & Mestel, R. (2019). Cryptocurrency-portfolios in a high-risk-return environment. Journal of Asset Management, 20, 41-54. https://ideas.repec.org/a/eee/finlet/v28y2019icp259-264.html

Chopra, M., Mehta, C., Lal, P., & Srivastava, A. (2023). Does the Big Boss of Coins—Bitcoin—protect a Portfolio of New-Generation Cryptos? Evidence From Memecoins, Stablecoins, NFTs and DeFi. China Finance Review International, 14(3), 480-521. https://doi.org/10.1108/cfri-03-2023-0076

Deng, Q., & Zhou, Z. G. (2023). Liquidity Premium, Liquidity-Adjusted Return and Volatility, and Liquidity-Adjusted Mean Variance Framework: Illustrated with a Portfolio of Crypto Assets.

Ghanbari, H., Mohammadi, E., Fooeik, A. M. L., Kumar, R. R., Stauvermann, P. J., & Shabani, M. (2024). Cryptocurrency portfolio allocation under credibilistic CVaR criterion and practical constraints. Risks, 12, 163. https://doi.org/10.3390/risks12100163

Holovatiuk, O. (2020). Cryptocurrencies as an Asset Class in Portfolio Optimisation. Central European Economic Journal, 7(54), 33-55. https://doi.org/10.2478/ceej-2020-0004

Jiang, Z., & Liang, J. (2017). Cryptocurrency portfolio management with deep reinforcement learning. https://doi.org/10.1109/IntelliSys.2017.8324237

Khonsarian, F., Timourpour, B., & Rostegar, M. A. (2020). Forecasting Price and Portfolio Selection Model for Financial Assets and Cryptocurrencies Tarbiat Modares University].

Kim, M. (2024). Two empirical studies of portfolio optimization using cryptocurrency allocation ratios. IEEE Access, 12, 63827-63838. https://doi.org/10.1109/ACCESS.2024.3396495

Malladi, R. K. (2022). Pro Forma Modeling of Cryptocurrency Returns, Volatilities, Linkages and Portfolio Characteristics. China Accounting and Finance Review, 25(2), 145-183. https://doi.org/10.1108/cafr-02-2022-0001

Nguyen, B. Q., Le, T. H., & Nguyen, C. P. (2020). Influences of Uncertainty on the Returns and Liquidity of Cryptocurrencies: Evidence From a Portfolio Approach. International Journal of Finance & Economics, 27(2), 2497-2513. https://doi.org/10.1002/ijfe.2283

Nuhiu, A., Aliu, F., Horák, J., & Peci, B. (2023). Making Informed Decisions in the Volatile Crypto Market: An Analysis of Portfolio Risk and Return. Sage Open, 13(3). https://doi.org/10.1177/21582440231193600

Oben, R. J., Seraj, M., & Eyüpoğlu, Ş. Z. (2025). Volatility and Return Spillovers Among US Traditional Technology Stocks, Decentralized Finance Instruments And conventional Cryptocurrencies: Implications for Portfolio Optimization. Review of Behavioral Finance, 17(5), 807-834. https://doi.org/10.1108/rbf-12-2024-0377

Petukhina, A., Trimborn, S., Härdle, W. K., & Elendner, H. (2021). Investing with cryptocurrencies - evaluating their potential for portfolio allocation strategies. Quantitative Finance, 21(11), 1825-1853. https://doi.org/10.1080/14697688.2021.1880023

Platanakis, E., & Urquhart, A. (2019). Portfolio management with cryptocurrencies: The role of estimation errors. Economics Letters, 177, 76-80. https://doi.org/10.1016/j.econlet.2019.01.019

Schellinger, B. (2020). Optimization of Special Cryptocurrency Portfolios. The Journal of Risk Finance, 21(2), 127-157. https://doi.org/10.1108/jrf-11-2019-0221

Shahbazi, N., & Barkhordari, S. (2025). Optimizing a portfolio comprising selected stocks and cryptocurrencies. Budget and Finance Strategic Research, 6(2), 11-35.

Song, D. (2025). Machine Learning for Price Prediction and Risk -Adjusted Portfolio Optimization in Cryptocurrencies. https://doi.org/https://doi.org/10.4018/979 -8 -3693 -8186 -1.ch013

دانلود

چاپ شده

۱۴۰۶/۰۸/۰۱

ارسال

۱۴۰۴/۱۱/۰۱

بازنگری

۱۴۰۵/۰۳/۲۵

پذیرش

۱۴۰۵/۰۴/۰۱

شماره

نوع مقاله

Articles

ارجاع به مقاله

گلی توانی ی. .، یوسفی امین ز.، و ابراهیمی شقاقی م. . (1406). طراحی مدل مدیریت بهینه پورتفوی ارزهای دیجیتال مبتنی بر قراردادهای آتی با رویکرد مدل مارکوویتز و تحلیل پوششی داده‌ها. حسابداری، امور مالی و هوش محاسباتی، 1-26. https://jafci.com/index.php/jafci/article/view/455

مقالات مشابه

1-10 از 279

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.