کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6896734 1446005 2015 37 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Global minimum variance portfolio optimisation under some model risk: A robust regression-based approach
ترجمه فارسی عنوان
بهینه سازی کمترین واریانس جهانی بر اساس برخی از مدل ریسک: رویکرد مبتنی بر رگرسیون قوی
کلمات کلیدی
نمونه کارها حداقل واریانس حداقل خطر مدل، عدم قطعیت پارامتر حداقل مربعات محکم، نمونه کارها مقاوم،
ترجمه چکیده
کمترین واریانس کمترین واریانس محاسبه شده با استفاده از ماتریس کوواریانس نمونه، تحت تاثیر عدم قطعیت پارامتر، جزء مهمی از ریسک مدل است. با استفاده از یک رویکرد قوی، ما یک قانون نمونه کارها برای سرمایه گذاران که مایل به سرمایه گذاری در پورتفولیوی حداقل واریانس جهانی با توجه به سابقه تاریخی قوی خود هستند، معرفی می کنیم، اما قاعده ای را دنبال می کنیم که به عدم قطعیت پارامتر استوار است. نمونه کارهای قوی ما به لحاظ تئوری به نمونه کارهای کمترین واریانس جهانی در بدترین حالت و با توجه به مجموعه ای از برآوردهای جایگزین قابل اعتماد از ماتریس کوواریانس در محدوده ماتریس کوواریانس نمونه است. از این رو، آن را در مقابل خطاها در ماتریس کوواریانس نمونه مرجع محافظت می کند. شبیه سازی مونت کارلو تسلط مجموعه پرتوی را بر روی همتای غیرمستقیم آن، از لحاظ ثبات، انحراف و بازده تنظیم شده با ریسک، نشان می دهد. تجربی، ما عملکرد خارج از نمونه نمونه کارها را با مقادیر مختلف واریانس رقابت در قوانین نمونه کارها مقایسه می کنیم. ما متوجه می شویم که نمونه های قوی اغلب دارای گردش و واریانس پایین تر و نسبت شارپ نسبت به مقادیر حداقل واریانس رقابت هستند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
The global minimum variance portfolio computed using the sample covariance matrix is known to be negatively affected by parameter uncertainty, an important component of model risk. Using a robust approach, we introduce a portfolio rule for investors who wish to invest in the global minimum variance portfolio due to its strong historical track record, but seek a rule that is robust to parameter uncertainty. Our robust portfolio corresponds theoretically to the global minimum variance portfolio in the worst-case scenario, with respect to a set of plausible alternative estimators of the covariance matrix, in the neighbourhood of the sample covariance matrix. Hence, it provides protection against errors in the reference sample covariance matrix. Monte Carlo simulations illustrate the dominance of the robust portfolio over its non-robust counterpart, in terms of portfolio stability, variance and risk-adjusted returns. Empirically, we compare the out-of-sample performance of the robust portfolio to various competing minimum variance portfolio rules in the literature. We observe that the robust portfolio often has lower turnover and variance and higher Sharpe ratios than the competing minimum variance portfolios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 244, Issue 1, 1 July 2015, Pages 289-299
نویسندگان
, , ,