Περίληψη : | The Markowitz model has two problematic tendencies; unintuitive portfolios and portfolios with high transaction costs. The Black-Litterman model was made as an improvement of the Markowitz model. It uses a Bayesian approach to combine the views of the investor with the equilibrium portfolio. The main purpose of the model is to create intuitive portfolios and limit the transaction costs under some restrictions of minimum daily, weekly and monthly loss. With the computer power available today, the implementation of mathematical models are animportant issue. Using the programming language Python, we will in this thesis look at possible ways of implementing Markowitz and Black-Litterman model. Today’s investment firms have different ways of expressing their views on future asset performance. A common method is touse a scorecard. It is interesting to see how the scorecards properties make simplifying conditions to the Black-Litterman model. By using Python packages and self-made Python code,the Black-Litterman model is applied to the Python language to find the best approach. Το μοντέλο Markowitz έχει δύο προβληματικές τάσεις, όσον αφορά τα απρόσκοπτα χαρτοφυλάκια και χαρτοφυλάκια με υψηλό κόστος συναλλαγής. Το μοντέλο Black-Litterman έγινε ως βελτίωση του μοντέλου Markowitz. Χρησιμοποιεί μια Bayesian προσέγγιση για να συνδυάσει τις απόψεις του επενδυτή με το χαρτοφυλάκιο ισορροπίας. Ο κύριος σκοπός του μοντέλου είναι να δημιουργήσει διαισθητικά χαρτοφυλάκια και να περιορίσει το κόστοςσυναλλαγής κάτω από ορισμένους περιορισμούς της ελάχιστης ημερήσιας, εβδομαδιαίας και μηνιαίας απώλειας. Με την ισχύ του υπολογιστή που διατίθεται σήμερα, η εφαρμογή των μαθηματικών μοντέλων αποτελεί σημαντικό ζήτημα. Χρησιμοποιώντας τη γλώσσα προγραμματισμού Python, θα εξετάσουμε σε αυτή τη διπλωματική εργασία τους πιθανούς τρόπους εφαρμογής του μοντέλου Markowitz και Black-Litterman. Οι σημερινές επιχειρήσεις επενδύσεων έχουν διαφορετικούς τρόπους να εκφράσουν τις απόψεις τους σχετικά με τη μελλοντική απόδοση των περιουσιακών στοιχείων. Μια κοινή μέθοδος είναι να χρησιμοποιήσετε μια κάρτα βαθμολογίας για το κάθε asset. Είναι ενδιαφέρον να δούμε πώς οι ιδιότητες των scorecards κάνουν τις συνθήκες απλοποίησης στο μοντέλο Black-Litterman. Χρησιμοποιώντας τα πακέτα Python και τον αυτο-κατασκευασμένο κώδικα Python, το μοντέλο Black-Litterman εφαρμόζεται στη γλώσσα Python για να βρεθεί η καλύτερη προσέγγιση.
|
---|