search query: @keyword omaisuuslajiallokaatio / total: 1
reference: 1 / 1
« previous | next »
| Author: | Tuovila, Henri |
| Title: | Optimised Strategies for Dynamic Asset Allocation |
| Optimoidut strategiat varojen dynaamiseen kohdentamiseen | |
| Publication type: | Master's thesis |
| Publication year: | 2016 |
| Pages: | 75 s. + liitt. 11 Language: eng |
| Department/School: | Perustieteiden korkeakoulu |
| Main subject: | Systeemi- ja operaatiotutkimus (F3008) |
| Supervisor: | Salo, Ahti |
| Instructor: | Mikkonen, Jari |
| Electronic version URL: | http://urn.fi/URN:NBN:fi:aalto-201606172441 |
| Location: | P1 Ark Aalto 4106 | Archive |
| Keywords: | stochastic programming scenario tree scenario generation asset allocation portfolio optimisation short-rate model stokastinen ohjelmointi skenaariopuu skenaarioiden generointi omaisuuslajiallokaatio portfolioiden optimointi korkomalli |
| Abstract (eng): | Modern portfolio theory is a widely used framework in the financial industry. It has a solid theoretical background, and has been successfully employed by the practitioners for decades. Traditional models based on Harry Markowitz's portfolio theory, and its further improved versions, have one significant shortcoming: they are single-period models by definition, and are not able to accommodate multi-period considerations. In this thesis, instead of modern portfolio theory and mean-variance optimisation, we use stochastic programming. To employ stochastic programming as a technique to find the optimal allocations, we need to develop scenarios, or scenario trees that describe the stochastic variables and their distributions. To generate the scenarios, we employ a methodology called moment matching, where the relevant properties of stochastic variables in our generated scenarios are fitted to counterparts estimated by means of time series analysis and econometric modelling. These stochastic factors are also called market invariants in this context. Market invariants are then translated into asset returns, which make it possible to find optimal asset allocations in each stage of the scenario tree. An illustrative asset allocation example is presented in this thesis to demonstrate how the dynamic allocation strategy performs compared to a fixed allocation decision. The results are rather intuitive, and as expected, the dynamic allocation strategy outperforms the fixed strategy in the scenarios generated. A comparison to traditional mean-variance framework is conducted, and it is seen that the resulting allocations for both dynamic and fixed strategy are close to being mean-variance efficient. Further research topics include changing the scenario generation methodology, and more sophisticated modelling of interest bearing instruments. An interesting direction for further development would be constructing the entire term structure of a yield curve, which would allow flexible valuation of assets and liabilities based on their present values. |
| Abstract (fin): | Moderni portfolioteoria on rahoitusalalla yleisesti käytetty. Sillä on vahva teoreettinen pohja, ja sen sovelluksia on käytetty onnistuneesti vuosikymmenien ajan. Harry Markowitzin kehittämän portfolioteorian, ja siitä kehitettyjen parannettujen versioiden yksi ilmeinen heikkous on kuitenkin se, että ne ovat rakenteeltaan yksiperiodisia malleja. Ne eivät näin ollen sovellu moniperiodiseen tarkasteluun. Tässä diplomityössä portfolioteorian perinteisten mallien sijaan sovelletaan stokastista ohjelmointia optimaalisten omaisuuslajiallokaatioiden löytämiseen. Jotta stokastista ohjelmointia voisi hyödyntää, on ensin kehitettävä skenaariot, jotka kuvaavat satunnaismuuttujat ja niiden jakaumat, joiden perusteella optimointi voidaan tehdä. Skenaarioiden luomiseksi käytämme momenttien sovittamiseksi kutsuttua menetelmää, jossa ongelman kannalta relevantit satunnaismuuttujien ominaisuudet sovitetaan skenaarioissa aikasarja-analyysin ja muiden ekonometristen menetelmien avulla estimoituihin vastineisiin. Stokastisia muuttujia kutsutaan tässä yhteydessä markkinainvarianteiksi, ja ne voidaan muuntaa omaisuuslajien tuotoiksi, joiden perusteella voidaan laskea optimaalinen omaisuuslajiallokaatio skenaariopuun jokaisessa haarassa. Työssä esitellään havainnollistava esimerkki dynaamisen allokaatiostrategian ja kiinteän allokaatiostrategian vertailua varten. Tulokset ovat intuitiivisia ja kuten odotettua, dynaaminen strategia pärjää kiinteää paremmin. Tehty vertailu perinteiseen Markowitzin mallin mukaiseen optimointiin osoitti, että sekä dynaaminen että kiinteä stokastisen optimoinnin strategia ovat lähellä Markowitzin mallin mukaista tehokasta rintamaa. Jatkotutkimuskohteita ovat skenaarioiden generointiin käytetyt menetelmät ja korkoperustaisten sijoituslajien tarkempi mallintaminen. Kiinnostava tutkimussuunta olisi koko korkokäyrän mallintaminen, joka mahdollistaisi mielivaltaisten tase-erien markkina-arvostamisen nykyarvoonsa. |
| ED: | 2016-07-17 |
INSSI record number: 53873
+ add basket
« previous | next »
INSSI