Διαχείριση διεθνούς χαρτοφυλακίου

Abstract

Η παρούσα διπλωματική εργασία έχει ως στόχο την εύρεση των βέλτιστων χαρτοφυλακίων. Σκοπός κάθε επενδυτή είναι το κέρδος. Προϋπόθεση ώστε ο επενδυτής να έχει και κέρδος είναι να προβεί στη σύνθεση ενός βέλτιστου χαρτοφυλακίου. Κατά τη σύνθεση του ο επενδυτής αποσκοπεί στην όσο το δυνατόν καλύτερη διαφοροποίηση του χαρτοφυλακίου, δηλαδή στην ελαχιστοποίηση του μη-συστημικού κινδύνου. Αυτή η ελαχιστοποίηση είναι η ικανότερη συνθήκη, ώστε να αυξήσει τις πιθανότητες η επένδυση του να καθίσταται κερδοφόρα. Για τη βελτιστοποίηση των χαρτοφυλακίων, λοιπόν, χρησιμοποιούνται τα διάφορα μέτρα-μοντέλα κινδύνου, όπως για παράδειγμα το Mean-Variance το Value At Risk, το Conditional Value At Risk και τέλος του Mean Absolute Deviation.Η εργασία αυτή έχει ως στόχο να μελετήσει τα σημαντικότερα μοντέλα βελτιστοποίησης χαρτοφυλακίου που χρησιμοποιούνται για την άμβλυνση των χρηματοπιστωτικών κινδύνων, να παρουσιάσει τα πιο ευρέως χρησιμοποιούμενα μέτρα κινδύνου και τα αντίστοιχα μαθηματικά μοντέλα καθώς και να αποτελέσει μια εμπειρική εφαρμογή βελτιστοποίησης χαρτοφυλακίου. Η δομή της εργασίας έχει ως εξής: → Στο κεφάλαιο 2 αναλύονται οι διάφοροι κίνδυνοι που αντιμετωπίζουν οι επενδυτές και τα χρηματοπιστωτικά ιδρύματα. → Στο κεφάλαιο 3 παρουσιάζονται αναλυτικά τα 6 μέτρα κινδύνου που χρησιμοποιούνται στη βελτιστοποίηση χαρτοφυλακίου, καθώς και τα αντίστοιχα μαθηματικά μοντέλα βελτιστοποίησης. Τα μετρά κινδύνου που θα περιγράφουν είναι τα εξής : Variance, Semivariance, Mean Absolute Deviation, Value at Risk, Conditional Value at Risk , Expected Shortfall . Τα μαθηματικά μοντέλα που θα περιγράφουν είναι τα: Mean Variance, Value at Risk, Conditional Value at Risk και Mean Absolute deviation. → Στο κεφάλαιο 4 αναλύεται η διεθνής διαφοροποίηση συμπεριλαμβανομένων των κινδύνων που μπορούν να προκύψουν αλλά και τα μέτρα για αντιστάθμιση και αύξηση της απόδοσης των διεθνών χαρτοφυλακίων. → Τέλος, στο κεφάλαιο 5 πραγματοποιείται η ανάλυση του εμπειρικού μέρους της εργασίας. Το εμπειρικό μέρος περιλαμβάνει τόσο το στατιστικό όσο και το δυναμικό έλεγχο των δεδομένων που είχαμε στη διάθεσή μας. Πιο συγκεκριμένα, διαθέταμε τις αποδόσεις πολυάριθμων μετοχών 3 διεθνών αγορών (των ΗΠΑ , της Ιαπωνίας και του Ηνωμένου Βασίλειου) . Η ανάλυση πραγματοποιήθηκε με βάση τις αποδόσεις των μετοχών, οι οποίες επιλέχθηκαν λαμβάνοντας υπόψη τους διαφορετικούς κλάδους της οικονομίας (επιχειρήσεις τεχνολογίας, αεροπορικές επιχειρήσεις, επιχειρήσεις μηχανών, επιχειρήσεις υγείας, επιχειρήσεις επικοινωνιών, επιχειρήσεις ενέργειας, επιχειρήσεις τηλεπικοινωνίων κτλ.), έτσι ώστε να κάνουμε καλύτερη διαφοροποίηση στα χαρτοφυλάκια και να αυξήσουμε την πιθανότητα ότι οι μετοχές που επιλέξαμε έχουν όσο το δυνατόν χαμηλότερη ή αρνητική συσχέτιση. Όσον αφορά το στατιστικό έλεγχο πραγματοποιήθηκε με σκοπό την εύρεση του αποτελεσματικού συνόρου, ενώ ο δυναμικός έλεγχος πραγματοποιήθηκε με σκοπό τη σύγκριση της επίδοσης του βέλτιστου εγχώριου χαρτοφυλακίου με την επίδοση του βέλτιστου διεθνούς χαρτοφυλακίου .

The primary objective of this thesis is the identification and construction of optimal investment portfolios. The ultimate goal of every investor is to achieve profit. A necessary condition for realizing this goal is the composition of an optimal portfolio. In doing so, the investor seeks to achieve the highest possible level of diversification, which translates into the minimization of unsystematic risk. This reduction of risk is a crucial prerequisite for increasing the likelihood of profitable investments. To support portfolio optimization, several risk measures and models are employed, including Mean-Variance, Value at Risk (VaR), Conditional Value at Risk (CVaR), and Mean Absolute Deviation (MAD). The aim of this study is to examine the most prominent portfolio optimization models used to mitigate financial risk, to present the most widely applied risk measures along with their corresponding mathematical formulations, and to provide an empirical application of portfolio optimization. The structure of the thesis is as follows: → Chapter 2 presents an analysis of the various types of risks faced by investors and financial institutions. → Chapter 3 provides an in-depth presentation of six risk measures used in portfolio optimization—namely: Variance, Semivariance, Mean Absolute Deviation, Value at Risk, Conditional Value at Risk, and Expected Shortfall—alongside the relevant mathematical optimization models: Mean-Variance, Value at Risk, Conditional Value at Risk, and Mean Absolute Deviation. → Chapter 4 explores the concept of international diversification, including the potential risks involved as well as strategies for hedging and enhancing the performance of internationally diversified portfolios. → Chapter 5 delivers the empirical part of the thesis, which includes both statistical and dynamic analysis of the dataset. Specifically, the dataset comprised stock returns from a wide range of companies across three international markets: the United States, Japan, and the United Kingdom. The selected stocks represent various sectors of the economy (e.g., technology, aviation, machinery, healthcare, communications, energy, telecommunications), with the aim of achieving broad diversification and maximizing the likelihood of low or negative correlation among assets. The statistical analysis focused on the construction of the efficient frontier, while the dynamic analysis assessed and compared the performance of the optimal domestic portfolio against that of the optimal international portfolio.