| Abstract : | Σκοπός της βελτιστοποίησης του χαρτοφυλακίου είναι η κατανομή των κεφαλαίων μεταξύ διάφορων περιουσιακών στοιχείων για την επίτευξη του στόχου του επενδυτή. Το μοντέλο βελτιστοποίησης μέσης διακύμανσης μεταφράζεται σε διπλό πρόβλημα, όπου οι επενδυτές αποφασίζουν πόσο κίνδυνο είναι διατεθειμένοι να αναλάβουν για να επιτύχουν συγκεκριμένη αναμενόμενη απόδοση ή το αντίστροφο. Αν και χρησιμοποιείται ευρέως στην ακαδημαϊκή βιβλιογραφία, το μοντέλο MV έχει σημαντικούς περιορισμούς και μειονεκτήματα. Παρά την κομψότητα της βελτιστοποίησης του MV μοντέλου και τα πολλά υποσχόμενα αποτελέσματα της απόδοσης τους στο περίοδο του δείγματος, επιτυγχάνει κακή απόδοση εκτός δείγματος. Ως αποτέλεσμα, τα τελευταία χρόνια αναπτύχθηκαν νέες στρατηγικές κατανομής περιουσιακών στοιχείων με προσανατολισμό τον κίνδυνο, ειδικά μετά την παγκόσμια χρηματοπιστωτικη κρίση του 2007 που επενδυτές και διαχειριστές χαρτοφυλακίων αμφισβήτησαν την ικανότητά τους να διαχειρίζονται τον κίνδυνο του χαρτοφυλακίου και τη διαφοροποίηση αυτών των κινδύνων. Οι στρατηγικές που βασίζονται σε κινδύνους θεωρούνται εύρωστες, καθώς εξαρτώνται αποκλειστικά από την συνδιακύμανσης των μετοχών, αποφεύγοντας έτσι σφάλματα στην εκτίμηση άλλων παραμέτρων. Παρά την ταχεία ανάπτυξη εξελιγμένων μοντέλων βελτιστοποίησης και την πρόοδο των μεθόδων εκτίμησης των παραμέτρων των μοντέλων, πολλοί επενδυτές στρέφονται σε απλές στρατηγικές, οι οποίες δεν διαθέτουν θεμελιώδη μαθηματικο υπόβαθρο καθώς διέπονται από κοινή λογική. Παρόλα αυτά, οι απλές στρατηγικές έχουν επίσης χρησιμοποιηθεί και από επαγγελματίες λόγω του μεγαλύτερου πλεονεκτήματος τους έναντι των πιο εξελιγμένων στρατηγικών όσον αφορά την απόδοση και την εύκολη εφαρμογή τους.Στο πλαίσιο της μελέτης των δημοφιλών προαναφερθέντων μοντέλων, στόχος αυτής της διατριβής είναι η κατασκευή διαφορετικών χαρτοφυλακίων μετοχών, καλύπτοντας έτσι εξελιγμένες στρατηγικές μέσης διακύμανσης, στρατηγικές κινδύνου καθώς επίσης και απλές στρατηγικές και συγκρίνοντάς τις με ένα σταθερό χαρτοφυλάκιο κατά την περίοδο εκτός δείγματος χρησιμοποιώντας διαφορετικά μέτρα για την αξιολόγηση τους. Δέκα χαρτοφυλάκια κατασκευάστηκαν χρησιμοποιώντας ίδιες μετοχές και όρους για ευκολότερη και πιο δίκαιη σύγκριση. Η βελτιστοποίηση των μοντέλων αυτών πραγματοποιήθηκε, χρησιμοποιώντας περίοδο με μικρό χρονικό ορίζοντα 5 ετών, 4 χρόνια με κυλιόμενη βάση για εκ των προτέρων εκτίμηση παραμέτρων και 1 έτος για αξιολόγηση της απόδοσης των χαρτοφυλακίων εκτός δείγματος. Εφαρμόστηκε δυναμική προσέγγιση χρησιμοποιώντας τριμηνιαία αναδιανομή βαρών των μετοχών.
The purpose of financial portfolio optimization is to allocate the capital weights among a set of assets in order to achieve investor’s goal. Mean-variance optimization model translates to bi-objective problem where investors decide how much risk are willing to assume to attain a target expected return. Although widely used in academic literature, MV model comes with major limitations. Despite MV quantitative approach elegance and promising ex-ante results it suffers from poor out-of-sample performance. As a result, new asset allocation strategies with risk-orientation emerged, especially after global financial markets turmoil in 2007 which shocked investors and questioned their ability to manage portfolios risk and diversification of those risks. Risk-based strategies considered as robust techniques as they exclusively depend on covariance matrix avoiding thus any potential input estimation error. Despite rapid development of sophisticated optimization models and progress in estimating parameter methods of these models, many high net investors turn to heuristic strategies. Heuristic strategies lack of fundamental mathematical justification and simply governed by common sense and intuition. Nevertheless, heuristic strategies have also been used by practitioners due to their greater advantage over more sophisticated strategies in terms of performance and easy deployment.In the context of study of popular aforementioned models, the objective of this thesis is to construct different equity portfolios, covering sophisticated mean-variance, risk-based and heuristic strategies and compare them against benchmark during out-of-sample period using different risk-adjusted measures for evaluation. Ten portfolios constructed using identical stocks and constraints for fairness comparison. Optimization of models conducted using a horizon period of 5 years, with 4 years in each rolling window for ex-ante parameters estimation and 1 year for out-of-sample performance evaluation. A dynamic approach instead of buy-and-hold applied using quarterly rebalancing in order not to miss strategies long-term potential while avoiding excessive transaction costs of too frequent rebalancing.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.