Abstract
Прогнозирование риска является важным аспектом управления портфельными инвестициями предприятия, позволяющим принятие обоснованных инвестиционных решений. Для определения риска порфеля специалистами изучались различные классические методы, такие как дисперсия , стоимость под риском, компонентная стоимость под риском, среднеабсолютное отклонение и т.д.
Традиционные модели прогнозирования риска имеют ограничения в отражении неопределенности и сложности реальных инвестиционных портфелей. В целях устранения этих недостатков, исследователи тщательно изучали вопросы разработки и применения нечетких моделей для прогнозирования риска инвестиционного портфеля. Они более адекватны в работе со сложными системами, включающими множество переменных и нелинейные отношения.
Нечеткие модели позволяют учитывать не только количественную, но и качественную информацию, относящуюся к принятию решения.
Классическая теория нечетких множеств обеспечивает плодотворные результаты в большинстве случаев, однако имеет определенные недостатки, один из которых состоит в невозможности учесть степень уверенности в предоставляемой информации. C целью восполнить этот пробел, профессором Лотфи Заде была введена концепция Z-чисел.
Z-числа используются для описания степени уверенности в принадлежности элемента множеству и позволяют учитывать различные уровни неопределенности. Таким образом, использование Z-чисел в нечеткой модели для прогнозирования риска портфеля позволяет учитывать не только количественные и качественные факторы, но и степень уверенности в предоставленной информации. Это обеспечивает более адекватный и осмысленный подход к принятию решений.
В данной статье был проведен анализ существующих подходов к прогнозированию риска портфеля и определены перспективные направления исследований в данной области.
Ключевые слова: нечеткая модель, прогнозирование риска, эффективный портфель, диверсификация.
Publisher
Education Support and Investment Fund NGO
Reference18 articles.
1. Minina D., Krachun I. Upravleniye riskom portfelya aktivov.-2017.
2. Zvi Bodie, Alex Kane, Alan Marcus. Essentials of investment 11th edition.-2019
3. Hirschberger M., Yue Qi, Ralph E. S. Large-scale MV efficient frontier computation via a procedure of parametric quadratic programming, //European Journal of Operational Research.-2010, Volume 204, Issue 3, 581-588
4. Ralph E. S., Yue Qi, Hirschberger M. Comparative issues in large-scale mean–variance efficient frontier computation, Decision Support Systems.-2011, Volume 51, Issue 2, 250-255
5. Alexander N., Scherer W., Burkett M. Extending the Markowitz model with dimensionality reduction: Forecasting efficient frontiers./ Systems and Information Engineering Design Symposium (SIEDS), Charlottesville, VA, USA, 2021, p. 1-6