| Abstract : | Η παρούσα διπλωματική έρευνα έχει ως αντικείμενο την βελτιστοποίηση χαρτοφυλακίου με έλεγχο κινδύνου. Αφορά τις επενδυτικές στρατηγικές που συνδυάζουν μοντέλα αποτίμησης περιουσιακών στοιχείων και συνεπή μέτρα κινδύνου. Επιχειρείται η επαλήθευση των θεωρητικών ευρημάτων που προκύπτουν από τους (Konstantinides and Zachos, 2019) σε μία υπό ανάπτυξη αγορά, ειδικότερα αυτή των κρυπτονομισμάτων. Τα εν λόγω ευρήματα, προτείνουν ότι ένας επενδυτής μπορεί στο πλαίσιο διαχείρισης χαρτοφυλακίου περιουσιακών στοιχειών να επιτύχει αποδόσεις που τείνουν στο +∞ και κίνδυνο πού τείνει στο -∞. Προκειμένου να επαληθευτούν τα ευρήματα, γίνεται χρήση του μοντέλου αποτίμησης περιουσιακών στοιχείων με γενικευμένη αυτοπαλίνδρομη υπό συνθήκη ετεροσκεδαστικότητα, ήτοι το CAPM-EGARCH. Το μοντέλο αναπτύχθηκε μέσω της γλώσσας προγραμματισμού της Python με εμπειρικά δεδομένα των 100 πιο δημοφιλών κρυπτονομισμάτων του δείκτη CIX-100. Τα ευρήματα της παρούσας έρευνας, φαίνεται να επαληθεύουν τα θεωρητικά ευρήματα τα οποία αντιτίθενται στην συνήθη αντίληψη της σύγχρονης θεωρίας χαρτοφυλακίου.Συγκεκριμένα αξιοποιώντας το EGARCH(1,1) βρέθηκε ότι το 80% περίπου των δειγμάτων παρουσιάζει συντελεστή β < 1, όταν ο συντελεστής α > 0. Επιπλέον, στατιστική σημαντικότητα των αποτελεσμάτων εξασφαλίζεται μέσω ελέγχου στατιστικής υπόθεσης και Εκτίμηση Μέγιστης Πιθανοφάνειας (ΕΜΠ). Η συνεισφορά της παρούσας έρευνας έγκειται στην επιπρόσθετη ενίσχυση των θεωρητικών ευρημάτων. Δηλαδή, ότι τα υπέρ κανονικά κέρδη απαιτούν ενεργητική διαχείριση χαρτοφυλακίου και όχι μία παθητική.
Current thesis is based on portfolio optimization with risk control. It concerns investment strategies that combine asset pricing models and consistent risk measures. An attempt was made to empirically verify the theoretical findings of (Konstantinides and Zachos, 2019) on an emerging market, that of cryptocurrencies. Present findings, suggest that an investor, in the context of asset portfolio management, can achieve returns tending to +∞ and risk tending to -∞. In order to verify the theoretical findings, the asset pricing model with generalized autoregressive conditional heteroskedasticity, namely CAPM-EGARCH, is used. The model was developed via Python with empirical data of the 100 most popular cryptocurrencies within the CIX-100 index. The empirical results of the present study, seem to verify the theoretical findings which contradict the common understanding of modern portfolio theory. Specifically, by utilizing EGARCH(1,1), it was found that approximately 80% of the data exhibit a beta coefficient β < 1 when the alpha coefficient α > 0. Furthermore, statistical significance of the results is ensured through hypothesis testing, while parameter estimation through Maximum Likelihood Estimation (MLE). The contribution of the present study is to further strengthen the theoretical findings. Namely, that abnormal returns require active portfolio management rather than passive.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.