Структура и особенности принятия инвестиционных решений в хедж-фонде

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В статье структурированы методы риск-контроля при принятии инвестиционных решений внутри хедж-фонда с учетом портфельной оптимизации, задач и условий достижения оптимальности для целей формализации системы поддержки принятия решений. Авторы поднимают вопрос взаимной коррелированности стратегий, приводящей к потенциальной угрозе снижения ресурсной обеспеченности (в информационном аспекте) лица, принимающего решения, при работе с системой поддержки принятия решений с ориентацией на предложенное целевое значение по разрешению проблемной ситуации. Решение же этой проблемы предлагается осуществлять через постоянный мониторинг и обновление накопленной базы знаний субъектом управления (менеджером) об объекте управления (инвестиционной стратегии), а также через контроль функционирования потоков в объекте управления на основе обеспечения соответствия потребностей и возможностей посредством логико-лингвистического моделирования (фреймов) в целях сохранения гомеокинетического равновесия системы.

Об авторах

Наталья Степановна Воронова

Санкт-Петербургский государственный университет

Email: n.voronova@spbu.ru
Проф., д.э.н., проф.

Елена Анатольевна Яковлева

Санкт-Петербургский государственный экономический университет

Email: helen7199@gmail.com
Проф., д.э.н., доцент

Эрмин Эмирович Шарич

Санкт-Петербургский государственный университет

Email: st062696@student.spbu.ru
студент

Дарья Дмитриевна Яковлева

Санкт-Петербургский государственный университет

Email: st062671@student.spbu.ru
студент

Список литературы

  1. 1. Sharpe W.F. The Sharpe ratio // The Journal of Portfolio Management. – 1994. – № 21(1). – p. 49–58.
  2. 2. Fama E. F., French K. R. International tests of a five-factor asset pricing model // Journal of financial Economics. – 2017. – № 123(3). – p. 441-463.
  3. 3. Amel-Zadeh Amir, George Serafeim Why and How Investors Use ESG Information: Evidence from a Global Survey. / Working Paper. - Harvard Business School, 2017. – 87–103 p.
  4. 4. Volkova V.N., Vasiliev A.Y., Efremov A.A., Loginova A.V. Information technologies to support decision-making in the engineering and control // Proceedings of 2017 20th IEEE International Conference on Soft Computing and Measurements: SCM 2017; St. Petersburg; Russian Federation; 24-26 May 2017. 2017. – p. 727-730.
  5. 5. Кукор Б.Л. Адаптивное управление промышленным комплексом региона: теория, методология, практика. / Б.Л. Кукор, Г.А. Клименков; под общ. ред. Б.Л. Кукора. - Екатеринбург; Санкт-Петербург: ФГБУН Институт экономики Уральского отделения РАН, 2017. – 306 c.
  6. 6. Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту // Интеллектуальные системы. – 1996. – № 1-4. – c. 47—56.
  7. 7. Hull J.C. Risk management and financial institutions. - New York: Pearson Education International, 2007. – 576 p.
  8. 8. Jorion P. Value at risk: The new benchmark for managing financial risk. - New York: McGraw-Hill Education, 2007. – 624 p.
  9. 9. Jalota Hemant, Thakur Manoj, Mittal Garima Modelling and constructing membership function for uncertain portfolio parameters: A credibilistic framework // Expert Systems with Applications. – 2016. – № 71(2). – p. 40-56. – doi: 10.1016/j.eswa.2016.11.014.
  10. 10. Fama E.F., French K.R. The cross-section of expected stock returns // Journal of Financial Economics. – 1992. – № 2. – p. 427-465.
  11. 11. Lochof R. Hedge Funds and Hope // The Journal of Portfolio Management. – 2002. – № 28. – p. 92-99.
  12. 12. Bansal Ravi, Kiku Dana, Shaliastovich Ivan, Yaron Amir Volatility, the Macroeconomy and Asset Prices // The Journal of Finance. – 2012. – № 69(6). – doi: 10.1111/jofi.12110.
  13. 13. Yin C., Zhu D. New class of distortion risk measures and their tail asymptotics with emphasis on Va R // Journal of Financial Risk Management. – 2018. – № 07(01). – p. 12–38. – doi: 10.4236/jfrm.2018.71002.
  14. 14. Levy H., Markowitz H.M. Approximating Expected Utility by a Function of Mean and Variance // American Economic Review. – 1979. – № 69(3). – p. 308-317.
  15. 15. Black F., Litterman R. Global Asset Allocation with Equities, Bonds, and Currencies. - Fixed Income Research, Goldman, Sachs Company, 1991. – 40 p.
  16. 16. Яковлева Е.А., Гаджиев М.М., Шарич Э.Э., Яковлева Д.Д. Принятие инвестиционных решений хедж-фондом на основе динамического риск-контроля // Экономика, предпринимательство и право. – 2022. – № 1. – c. 223-238. – doi: 10.18334/epp.12.1.114226.
  17. 17. Воронова Н.С., Шарич Э.Э., Яковлева Д.Д. Архитектура системы поддержки принятия инвестиционных решений в финансовой экономике на основе мониторинга рыночной конъюнктуры // Экономика, предпринимательство и право. – 2020. – № 12. – c. 2933-2946.
  18. 18. Markowitz H.M. Portfolio selection // J. Finance. – 1952. – № 7. – p. 77–91.
  19. 19. Кукор Б.Л., Куршев Е.П., Виноградов А.Н. Разработка динамического когнитивного сценария функционирования предприятия и производственных комплексов в процессе управления экономикой // Теоретические проблемы стратегического планирования на микроэкономическом уровне: Сборник докладов участников секционных заседаний XXI Всероссийского симпозиума. Москва, 2020. – c. 98-101.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Воронова Н.С., Яковлева Е.А., Шарич Э.Э., Яковлева Д.Д., 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах