Оптимізація модельних інвестиційних портфелів на основі когерентних мір ризику в умовах асиметричної волатильності фінансових ринків
Манойленко О. В., Кузнецова С. О., Корешников Ф. Ю.

Манойленко О. В., Кузнецова С. О., Корешников Ф. Ю. Оптимізація модельних інвестиційних портфелів на основі когерентних мір ризику в умовах асиметричної волатильності фінансових ринків. Проблеми економіки. 2025. №4. C. 373–380.
https://doi.org/10.32983/2222-0712-2025-4-373-380

Розділ: Фінанси та банківська справа

УДК 336.76

Анотація:
Статтю присвячено оптимізації модельних інвестиційних портфелів з інтеграцією прогнозування асиметричної волатильності за допомогою моделей GJR-GARCH з урахуванням мінімізації вартості під ризиком (CvaR). Розглянуто переваги та недоліки класичної теорії Марковіца. Досліджено та запропоновано використання когерентної міри ризику CvaR, що кількісно оцінює втрати у «хвості» розподілу та поєднує з моделлю GJR-GARCH. Модель GJR-GARCH, своєю чергою, враховує асиметричну реакцію волатильності на позитивну та негативну нестабільність. Емпірично проаналізовано дані світових індексів за період 2005–2023 рр., що охоплює світові кризи та періоди високої волатильності. Запропонована методика містить два етапи. На першому етапі моделюється динаміка волатильності активів із використанням інструментарію EGARCH/GJR GARCH з урахуванням асиметрії. На другому етапі здійснюється оптимізація ваг портфелів і мінімізація ризику. Формалізація задачі виконується за допомогою лінійного програмування. Результати говорять про те, що модель GJR-CVaR показує більшу ефективність, ніж традиційні підходи, тобто забезпечує більш високу доходність із урахуванням ризику, нижчу максимальну просадку та вищий коефіцієнт Сортіно, що, своєю чергою, свідчить про здатність завчасно реагувати на ринкові коливання та більш ефективно управляти ризиками в період нестабільності. У статті доведено, що важливим напрямом сучасного інвестування є поєднання моделей асиметричної волатильності з когерентними мірами ризику. Такий підхід надасть інструментарій для ефективного управління портфельними ризиками. Напрямами подальшого дослідження можуть виступати розробка багатовимірних моделей волатильності для врахування кореляцій між активами в динаміці та інтеграція підходів сценарного аналізу для оцінки впливу на структуру портфеля змінного ринкового середовища.

Ключові слова: фінанси, інвестування, інвестиційний портфель, ризик портфеля, волатильність, фінансові ринки, фінансова екосистема.

Рис.: 2. Табл.: 3. Бібл.: 18.

Манойленко Олександр Володимирович – доктор економічних наук, професор, завідувач кафедри, кафедр обліку і фінансів, Національний технічний університет «Харківський політехнічний інститут» (вул. Кирпичова, 2, Харків, 61002, Україна)
Email: oleksandr.manoylenko@khpi.edu.ua
Кузнецова Світлана Олександрівна – кандидат економічних наук, доцент, доцент, кафедра обліку і фінансів, Національний технічний університет «Харківський політехнічний інститут» (вул. Кирпичова, 2, Харків, 61002, Україна)
Email: svitlana.kuznetsova@khpi.edu.ua
Корешников Федір Юрійович – аспірант, кафедра обліку і фінансів, Національний технічний університет «Харківський політехнічний інститут» (вул. Кирпичова, 2, Харків, 61002, Україна)
Email: Fedir.Koreshnykov@emmb.khpi.edu.ua

Список використаних у статті джерел

Гіріна О., Івченко В. Багатокритеріальна оптимізація структури портфеля реальних інвестицій. Economy and Society. 2023. No. 50. DOI: https://doi.org/10.32782/2524-0072/2023-50-37
Гулик Т., Кравець В. Сфера застосування моделі CAPM у аналізі методів оцінки ризиків. Economy and Society. 2024. No. 69. DOI: https://doi.org/10.32782/2524-0072/2024-69-132
Захаркін О., Захаркіна Л., Сергеєв А.. Порівняльний аналіз ефективності ETF-фондів як інструментів пасивного інвестування. Проблеми сучасних трансформацій. Серія : Економіка та управління. 2025. № 18. DOI: https://doi.org/10.54929/2786-5738-2025-18-08-03
Artzner P., Delbaen F., Eber J. M., Heath D. Coherent Measures of Risk. Mathematical Finance. 1999. Vol. 9 (3). Р. 203–228. DOI: https://doi.org/10.1111/1467-9965.00068
Bessler W., Wolff D. Portfolio Optimization with Sector Return Prediction Models. Journal of Risk and Financial Management. 2024. Vol. 17. No. 6. Article 254. DOI: https://doi.org/10.3390/jrfm17060254
Bessler W., Wolff D. Do Commodities add Value in Multi-Asset-Portfolios? An Out-of-Sample Analysis for different Investment Strategies. Journal of Banking and Finance. 2015. Vol. 60. P. 1–20. DOI: https://doi.org/10.1016/j.jbankfin.2015.06.021
Chun D., Kang J., Kim J. Forecasting returns with machine learning and optimizing global portfolios: evidence from the Korean and U.S. stock markets. Financial Innovation. 2024. Vol. 10. Article 124. DOI: https://doi.org/10.1186/s40854-024-00648-w
Soleymani F., Paquet E. Deep graph convolutional reinforcement learning for financial portfolio management – DeepPocket. Expert Systems with Applications. 2021. Vol. 182. Article 115127. DOI: https://doi.org/10.1016/j.eswa.2021.115127
Glosten L. R., Jagannathan R., Runkle D. E. On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. The Journal of Finance. 1993. Vol. 48 (5). Р. 1779–1801. DOI: https://doi.org/10.1111/j.1540-6261.1993.tb05128.x
Gu S., Kelly B., Xiu D. Empirical Asset Pricing via Machine Learning. Journal of Finance. 2020. Vol. 75. No. 4. P. 2195–2243. DOI: https://doi.org/10.1111/jofi.12901
Kelly B., Pruitt S. The three-pass regression filter: A new approach to forecasting using many predictors. Journal of Econometrics. 2015. Vol. 186. P. 294–316. DOI: https://doi.org/10.1016/j.jeconom.2015.02.011
Neely C. J., Rapach D. E., Tu J., Zhou G. Forecasting the equity risk premium: The role of technical indicators. Management Science. 2014. Vol. 60. No. 6. P. 1772–1791. DOI: https://doi.org/10.1287/mnsc.2013.1838
Rapach D. E., Strauss J. K., Zhou G. Out-of-sample equity premium prediction: Combination forecasts and links to the real economy. Review of Financial Studies. 2010. Vol. 23. P. 821–862.
Rockafellar R. T., Uryasev S. Optimization of Conditional Value-at-Risk. The Journal of Risk. 2000. Vol. 3 (1). Р. 21–41. https://doi.org/10.21314/JOR.2000.038
Statista. URL: https://www.statista.com/
Sutiene K., Schwendner P., Sipos C. Enhancing portfolio management using artificial intelligence: literature review. Frontiers in Artificial Intelligence. 2024. Vol. 7. Article 1371502. DOI: https://doi.org/10.3389/frai.2024.1371502
Tran P., Pham T. K. A., Phan H. T., Nguyen C. V. Applying machine learning algorithms to predict the stock price trend in the stock market – The case of Vietnam. Humanities and Social Sciences Communications. 2024. Vol. 11. Article 393. DOI: https://doi.org/10.1057/s41599-024-02807-x
Wang J. Application of Portfolio Price Forecasting Based on ARIMA-GARCH Model. Proceedings of ICAID. 2023. Vol. 9. P. 296–303. DOI: https://doi.org/10.2991/978-94-6463-222-4_31