Βιβλιοθήκη ΟΠΑ - Ψηφιακό Αποθετήριο

ΠΥΞΙΔΑ Ιδρυματικό Αποθετήριο
και Ψηφιακή Βιβλιοθήκη

Όνομα χρήστη
Κωδικός πρόσβασης

Συλλογές :	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Οικονομικών Επιστημών / School of Economics Τμήμα Οικονομικής Επιστήμης / Department of Economics Μεταπτυχιακές Εργασίες / Postgraduate dissertations

Τίτλος :	Portfolio optimization methods for increasingly large pool of assets: to shrink or not to shrink

Εναλλακτικός τίτλος :	Μέθοδοι βελτιστοποιήσης χαρτοφυλακίου για αυξανόμενο αριθμό περιουσιακών στοιχείων, συρρικνώνοντας την μήτρα συνδιακύμανσης

Δημιουργός :	Dimitrov, Kristiyan

Συντελεστής :	Δενδραμής, Ιωάννης (Επιβλέπων καθηγητής) Τζαβαλής, Ηλίας (Εξεταστής) Διοικητόπουλος, Ευάγγελος (Εξεταστής) Athens University of Economics and Business, Department of Economics (Degree granting institution)

Τύπος :	Text

Φυσική περιγραφή :	70p.

Γλώσσα :	en

Αναγνωριστικό :	http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=7778

Περίληψη :	Η θεωρία χαρτοφυλακίου του Markowitz (1952) αποτελεί την βάση για την σύγχρονη θεωρία χαρτφοφυλακίου. Ωστόσο είναι γνωστό, οτι η απλή αντικατάσταση των εκτιμητών των μέσων και της μήτρας συνδιακύμανσης, τα οποία συχνά περιέχουν μεγάλο σφάλμα εκτίμησης, οδηγούν σε μη αποτελεσματικά χαρτφοφυλάκια. Στην προσπάθεια μας, να μειώσουμε αυτό το σφάλμα εκτίμησης, εστιάζουμε στο χαρτοφυλάκιο ελάχιστης διακύμανσης και εφαρμόζουμε κάποιες προεκτάσεις του αρχικού μοντέλου όπως είναι το μοντέλο συρρίκνωσης της μήτρας συνδιακύμανσης των Ledoit and Wolf (2003) αλλά και το μοντέλο συρρίκνωσης της αντίστροφης μήτρας συνδιακύμανσης των Kourtis, Dotsis, Markellos (2012). Στη συνέχεια αξιολούμε αυτές τις στρατηγικές με βάση την εκτός δείγματος απόδοση αυτών, σε 5 datasets με βάση το variance, sharpe-ratio, turnover. Τα αποτελέσματα μας δείχνουν οτι οι στρατηγικές που επιβάλλουν την συρρίκνωση της μήτρας συνδιακύμανσης αποδίδουν καλύτερες αποδόσεις καθώς και επιτυγχάνουν μείωση του συνολικού ρίσκου σε σχέση με την απλή μέθοδο όπου οι εκτιμητές προέρχονται από απλή αντικατάσταση. Mean Variance framework of Markowitz (1952) constitutes the standard for asset allocation theory. However, it is widely known that the simple “plug-in” method of the sample counterparts of mean and variance introduces considerable amount of estimation error and lead eventually to poor out-of-sample performance. So, in our effort to reduce the estimation error, we focus on the Global Minimum Variance Portfolio and we apply some the of the new developed extensions of the Mean Variance framework such as the shrinkage method of Ledoit and Wolf (2003) as well as the shrinkage of the inverse of the sample covariance matrix proposed by Kourtis, Dotsis, Markellos (2012). We evaluate these methods across five datasets in terms of out-of-sample variance, Sharpe ratio and turnover. Our conclusions state that the sample GMVP generates low out-of-sample performance, while the other strategies achieve considerable reduction in the estimation error.

Περίληψη :

Η θεωρία χαρτοφυλακίου του Markowitz (1952) αποτελεί την βάση για την σύγχρονη θεωρία χαρτφοφυλακίου. Ωστόσο είναι γνωστό, οτι η απλή αντικατάσταση των εκτιμητών των μέσων και της μήτρας συνδιακύμανσης, τα οποία συχνά περιέχουν μεγάλο σφάλμα εκτίμησης, οδηγούν σε μη αποτελεσματικά χαρτφοφυλάκια. Στην προσπάθεια μας, να μειώσουμε αυτό το σφάλμα εκτίμησης, εστιάζουμε στο χαρτοφυλάκιο ελάχιστης διακύμανσης και εφαρμόζουμε κάποιες προεκτάσεις του αρχικού μοντέλου όπως είναι το μοντέλο συρρίκνωσης της μήτρας συνδιακύμανσης των Ledoit and Wolf (2003) αλλά και το μοντέλο συρρίκνωσης της αντίστροφης μήτρας συνδιακύμανσης των Kourtis, Dotsis, Markellos (2012). Στη συνέχεια αξιολούμε αυτές τις στρατηγικές με βάση την εκτός δείγματος απόδοση αυτών, σε 5 datasets με βάση το variance, sharpe-ratio, turnover. Τα αποτελέσματα μας δείχνουν οτι οι στρατηγικές που επιβάλλουν την συρρίκνωση της μήτρας συνδιακύμανσης αποδίδουν καλύτερες αποδόσεις καθώς και επιτυγχάνουν μείωση του συνολικού ρίσκου σε σχέση με την απλή μέθοδο όπου οι εκτιμητές προέρχονται από απλή αντικατάσταση.
Mean Variance framework of Markowitz (1952) constitutes the standard for asset allocation theory. However, it is widely known that the simple “plug-in” method of the sample counterparts of mean and variance introduces considerable amount of estimation error and lead eventually to poor out-of-sample performance. So, in our effort to reduce the estimation error, we focus on the Global Minimum Variance Portfolio and we apply some the of the new developed extensions of the Mean Variance framework such as the shrinkage method of Ledoit and Wolf (2003) as well as the shrinkage of the inverse of the sample covariance matrix proposed by Kourtis, Dotsis, Markellos (2012). We evaluate these methods across five datasets in terms of out-of-sample variance, Sharpe ratio and turnover. Our conclusions state that the sample GMVP generates low out-of-sample performance, while the other strategies achieve considerable reduction in the estimation error.

Λέξη κλειδί :	Θεωρία χαρτοφυλακίου Μέθοδοι συρρίκνωσης Πίνακας διακύμανσης-συνδιακύμανσης Πίνακας σταθερής συσχέτισης Διεθνές χαρτοφυλάκιο ελαχίστου κινδύνου Portfolio optimization Shrinkage methods Variance-covariance matrix Constant Correlation Matrix Global Minimum Variance Portfolio

Λέξη κλειδί :

Θεωρία χαρτοφυλακίου
Μέθοδοι συρρίκνωσης
Πίνακας διακύμανσης-συνδιακύμανσης
Πίνακας σταθερής συσχέτισης
Διεθνές χαρτοφυλάκιο ελαχίστου κινδύνου
Portfolio optimization
Shrinkage methods
Variance-covariance matrix
Constant Correlation Matrix
Global Minimum Variance Portfolio

Διαθέσιμο από :	2020-04-07 13:20:34

Ημερομηνία έκδοσης :	18-03-2020

Ημερομηνία κατάθεσης :	2020-04-07 13:20:34

Δικαιώματα χρήσης :	Free access

Άδεια χρήσης :

Αρχείο: Dimitrov_2020.pdf

Τύπος: application/pdf

Είσοδος