بهینه‌سازی پورتفولیو براساس تجزیه مد تجربی

تحقیقات در مورد همبستگی متقابل بین دارایی‌های مالی اخیرا توجه وسیعی را به خود جلب کرده‌است. به دلیل هویت‌های غیر خطی و غیر ساکن سری‌های زمانی مالی، به عنوان مثال، سری‌های زمانی بازده سهام، همبستگی متقابل برای سطوح مختلف نوسان برای هر دو دانشگاه و متخصصان مالی بسیار مهم هستند. در اینجا ما از روش تجزیه حالت تجربی (‏EMD)‏برای تحلیل ساختار همبستگی متقابل بین سطوح مختلف نوسان برای دارایی‌های مالی استفاده می‌کنیم. سپس شبکه‌های مبتنی بر همبستگی برای تعیین ویژگی خوشه‌بندی بازار سهام به کار گرفته می‌شوند. سپس چندین استراتژی بهینه‌سازی پورتفولیو را براساس شبکه‌های مبتنی بر همبستگی EMD پیشنهاد می‌کنیم. با استفاده از اطلاعات توپولوژیکی شبکه‌ها، می‌توانیم تعدادی پورتفولیو را با بازده بالا و ریسک پایین بسازیم. تحت دو چارچوب ارزیابی پورتفولیو، ثابت می‌کنیم که این سبدهای دارای عملکرد خوب هستند.

Highlights•The EMD can discriminate fluctuation levels of the stock market..•The topological structure of the EMD networks signalized the market instability.•The EMD correlation-based network can improve the performance of the portfolio.AbstractThe investigation about the cross-correlation among financial assets has drawn broad attention recently. Due to the nonlinear and non-stationary identities of the financial time series, e.g., stock return time series, the cross-correlation for different level of fluctuations are quite important for both academia and financial practitioners. Here we use the empirical mode decomposition (EMD) method to analyze the cross-correlation structure among different level of fluctuations for financial assets. The correlation-based networks are then employed to determine the clustering property of stock market. We then propose several portfolio optimization strategies based on the EMD correlation-based networks. Using the topological information of the netw