Оптимизация инвестиционного портфеля с декомпозицией риска
https://doi.org/10.38050/01300105201754
Аннотация
В работе была предложена модификация стандартной оптимизационной задачи для построения портфеля с возможностью контролировать систематический и специфический риск (портфель с декомпозицией риска). С помощью современных эконометрических моделей были оценены и спрогнозированы динамические альфа и бета акций из модели CAPM, которые затем использовались в портфельной оптимизации. В качестве данных применялись недельные цены закрытия 10 австралийских акций и индекса ASX в качестве рыночного портфеля в период с июля 2000 г. по июль 2016 г. В рамках рассматриваемой выборки с помощью построения рыночно нейтрального портфеля было выявлено отсутствие арбитража на австралийском рынке акций. Анализ показал, что портфели с декомпозицией риска превосходят портфель по Марковицу согласно различным показателям эффективности.
Список литературы
1. Асатуров К. Г. Детерминанты систематического риска: анализ на основе российского фондового рынка // Финансы и кредит. - 2017. - Т. 23. -№ 23. - С. 1343-1363.
2. Ang A., Kristensen D. Testing Conditional Factor Models // Journal of Financial Economics. - 2012. - Vol. 106. - P. 132-156.
3. Bakshi G., Kapadia N., Madan D. Stock Return Characteristics, Skew Laws, and the Differential Pricing of Individual Equity Options // Review of Financial Studies. - 2003. - Vol. 16. - No. 1. - P. 101-143.
4. Chen S.-W., Huang N. C. Estimates of the ICAPM with Regime-Switching Betas: Evidence from Four Pacific Rim Economies // Applied Financial Economics. - 2007. - Vol. 17. - P. 313-327.
5. Collins D. W., Ledolter J., Rayburn J. Some Further Evidenceon the Stochastic Properties of Systematic risk // Journal of Business. - 1987. - Vol. 60. - No. 3. - P. 425-448.
6. Eisenbeiss M., Kauermann G., Semmler W. Estimating Beta-Coefficients of German Stock Data: A Non-Parametric Approach // The European Journal of Finance. - 2007. - Vol. 13. - No. 6. - P. 503-522.
7. Ephraim Y., Merhav N. Hidden Markov Processes // IEEE Transactions on Information Theory. - 2002. - Vol. 48. - No. 6. - P. 1518-1569.
8. Esteban M. V., Orbe-Manadaluniz S. A Nonparametric Approach for Estimating Betas: the Smoothed Rolling Estimator // Applied Economics. - 2010. - Vol. 42. - P. 1269-1279.
9. Fabozzi F., Francis J. Beta as a Random Coefficient // Journal of Financial and Quantative Analysis. - 1978. - Vol. 13. - P. 101-116.
10. Faff R. W., Lee J. H. H., Fry T. R. L. Time stationarity of systematic risk: Some Australian evidence // Journal of Business and Accounting. - 1992. - Vol. 19. - No. 2. - P. 253-270.
11. Faff R. W., Hillier D., Hillier J. Time-Varying Beta Risk: An Analysis of Alternative Modeling Techniques // Journal of Business Finance and Accounting. - 2000. - Vol. 27. - P. 523-554.
12. Fama E. F. Market Efficiency, Long-Term Returns, and Behavioral Finance // Journal of Financial Economics. - 1998. - Vol. 49. - P. 283-306.
13. Fama E. F., French K. R. Common Risk Factors in the Returns on Stocks and Bonds // Journal of Financial Economics. - 1993. - Vol. 33. - No. 1. - P. 3-56.
14. Groenewold N. Share Market Efficiency: Tests Using Daily Data for Australia and New Zealand // Applied Financial Economics. - 1997. - Vol. 7. - P. 645-657.
15. Groenewold N., Fraser P. Time-Varying Estimates of CAPM Betas // Mathematics and Computers in Simulations. - 1999. - Vol. 48. - P. 531-539.
16. Hamilton J. D. A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle // Econometrica. - 1989. - Vol. 57. - No. 2. - P. 357-384.
17. Hastie T., Tibshirani R. Varying-Coefficient Models // Journal of the Royal Statistic Society, Series B (Methodology). - 1993. - Vol. 55. - No. 4. - P. 757-796.
18. He Z., Kryzanowski L. Dynamic Betas for Canadian Sector Portfolios // International Review of Financial Analysis.- 2008. - Vol. 17. - P. 1110-1122.
19. Huang R. H. C. Tests of Regime-Switching CAPM // Applied Financial Economics. - 2000. - Vol. 10. - P. 573-578.
20. Jacobs B. L., Levy K. N., Markowitz H. M. Portfolio Optimization with Factors, Scenarios, and Realistic Short Positions // Operations Research. - 2005. - Vol. 53. - No. 4. - P. 586-599.
21. Jacobs B. L., Levy K. N., Starter D. On the Optimality of Long-Short Strategies // Financial Analysts Journal. - 1998. - Vol. 54. - No. 2. - P. 40-51.
22. Kalman R. E. A New Approach to Linear Filtering and Prediction Problems // Journal of Basic Engineering. - 1960. - Vol. 82. - No. 1. - P. 35-45.
23. Keating C., Shadwick W. F. A Universal Performance Measure. - UK: The Finance Development Centre Limited, 2002. - P. 1-33.
24. Kim D. The Extent of Nonstationarity of Beta // Review of Quantitative Finance and Accounting. - 1993. - Vol. 3. - P. 241-254.
25. Klaassen P. Financial Asset Pricing Theory and Stochastic Programming Models for Asset / Liability Management: A Synthesis // Management Science. - 1998. - Vol. 44. - P. 31-48.
26. Li Q., Racine J. S. Smooth Varying-Coefficient Estimation and Inference for Qualitative and Quantitative Data // Econometric Theory. - 2010. - Vol. 26. - P. 1607-1637.
27. Li Y., Yang L. Testing Conditional Factor Models: A Nonparametric Approach // Journal of Empirical Finance. - 2011. - Vol. 18. - P. 972-992.
28. Lie F., Brooks R., Fama R. Modelling the Equity Beta Risk of Australian Financial Sector Companies // Australian Economic Papers. - 2000. - Vol. 39. - P. 301-311.
29. Markowitz H. M. Portfolio Selection // Journal of Finance. - 1952. - Vol. 12. - P. 77-91.
30. Markowitz H. M. Portfolio Selection: Efficient Diversification of Investments. - New York: John Wiley and Sons, 1959.
31. Marshall A., Maulana T., Tang L. The Estimation and Determinants of Emerging Market Country Risk and the Dynamic Conditional GARCH Model // International Review of Financial Analysis. - 2009. - Vol. 18. - No. 5. - P. 250-259.
32. Mergner S., Bulla J. Time-Varying Beta Risk of Pan-European Industry Portfolios: A Comparison of Alternative Modeling Techniques // European Journal of Finance. - 2008. - Vol. 14. - No. 8. - P. 771-802.
33. Merton R. C. Optimum Consumption and Portfolio Rules in a Continuous Time Model // Journal of Economic Theory. - 1971. - Vol. 3. - No. 4. - P. 373- 413.
34. Morgan J. P. RiskMetrics (TM): Technical Document (4thed). - New York: Morgan Guaranty Trust Company, 1996.
35. Mulvey J., Shetty B. Financial Planning via Multi-Stage Stochastic Optimization // Computers & Operations Research. - 2004. - Vol. 31. - No. 1. - P. 1-20.
36. Rabiner L. A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition // IEEE Transactions on Information Theory. - 1989. - Vol. 77. - No. 2. - P. 257-284.
37. Rockafellar R. T., Uryasev S. Optimization of Conditional Value-at-Risk // Journal of Risk. - 2000. - Vol. 2. - P. 21-42.
38. Samuelson P. Lifetime Portfolio Selection by Dynamic Stochastic Programming // Review of Economic Statistics. - 1969. - Vol. 51. - No. 3. - P. 239-246.
39. Sharpe W. F. Capital Asset Prices: a Theory of Market Equilibrium under Conditions of Risk // Journal of Finance. - 1964. - Vol. 45. - P. 425-442.
40. Shen C. H. Testing Efficiency of the Taiwan-US Forward Exchange Market - a Markov Switching Model // Asian Economic Journal. - 1994. - Vol. 8. - P. 205-215.
Рецензия
Для цитирования:
Асатуров К.Г. Оптимизация инвестиционного портфеля с декомпозицией риска. Вестник Московского университета. Серия 6. Экономика. 2017;(5):61-85. https://doi.org/10.38050/01300105201754
For citation:
Asaturov K.G. Portfolio Optimization with Risk Decomposition. Moscow University Economics Bulletin. 2017;(5):61-85. (In Russ.) https://doi.org/10.38050/01300105201754
Просмотров:
342
Послать статью по эл. почте 