Wyniki wyszukiwania - Biblioteka Nauki

1

Instrumenty pochodne na zmienność – nowa klasa aktywów finansowych?

100%

Jabłecki J. , Kokoszczyński R. , Sakowski P. , Ślepaczuk R. , Wójcik P.

|

nr 6

830-856

PL

Celem artykułu jest przedstawienie dwóch głównych instrumentów pochodnych na zmienność (kontrakty futures i swapy wariancji) jako nowej klasy aktywów i ich analiza z punktu widzenia optymalizacji portfela inwestora. Wykorzystując dane z rynku USA autorzy dowodzą, że zarówno dodanie krótkiej, jak i długiej ekspozycji na zmienność do portfela może istotnie poprawić jego efektywność (zwiększyć stopę zwrotu w relacji do ryzyka). Jednak największe korzyści – w sensie zwiększenia stopy zwrotu i redukcji ryzyka portfela – przynosi inwestorom jednoczesne dodanie kombinacji krótkiej pozycji w zmienności zrealizowanej i długiej pozycji w zmienności implikowanej, które naturalnie się uzupełniają.

EN

The goal of this article is to introduce the two key volatility derivatives (volatility futures and variance swaps) in the context of portfolio optimization. Using data from the US stock market, the authors show that adding either long or short exposure to volatility can substantially improve portfolio effi ciency (i.e. improve its return-risk ratio). The most benefi cial strategy – in the sense of maximizing return and minimizing value-at-risk – combines exposure to both implied volatility and realized volatility, which naturally complement one another.

RU

Целью статьи является презентация двух главных производных инструментов в условиях волатильности (контракты фьючерс и вариационные свопы) в качестве нового класса активов и их анализ с точки зрения оптимизации портфеля инвестора. Используя данные рынка США, авторы доказывают, что добавление в портфель как короткой, так и длинной составляющей, учитывающей волатильность, может существенным образом улучшить его эффективность (увеличить норму окупаемости по отношению к риску). Однако наибольшие выгоды, т.е. увеличение нормы окупаемости и редукцию риска портфеля, инвесторы получают при комбинации короткой позиции в реализованной волатильности и длинной позиции в подразумеваемой волатильности, которые естественным образом дополняют друг друга

2

Value of Information for Portfolio Optimization

100%

Banek T. , Kulikowski R.

|

2003

|

tom Vol. 51, nr 3

245-258

EN

We consider the following problem: is there a rational or fair price for the reports made by analysts, experts, investor advisers concerning the rate of return (RR) of investments? We define the notion of the value of information included in the family of probability distributions of the RR. Next, we illustrate this notion for a linear-quadratic utility function.

3

Performance of robust portfolio optimization in crisis periods

88%

Balcilar M. , Ozun A.

|

tom Vol. 42, no. 4

855--871

EN

We examin empirical performances of two alterna- tive robust optimization models, namely the worst-case conditional value-at-risk (worst-case CVaR) model and the nominal conditional value-at-risk (CVaR) model in crisis periods. Both models are based on historical value-at-risk methodology. These performances are compared by using a portfolio constructed on the basis of daily clos- ing values of different stock indices in developed markets using data from 1990 to 2013. An empirical evidence is produced with Ro- bustRisk software application. Both a Monte-Carlo simulation and an out-of-sample test show that robust optimization with worst-case CVaR model outperforms the nominal CVaR model in the crisis peri- ods. However, the trade-off between model misspecification risk and return maximization depending on the market movements should be optimized in a robust model selection.

4

Metaheuristic optimization of marginal risk constrained long - short portfolios

75%

Vijayalakshmi Pai G. A. , Michel T.

|

tom Vol. 2, No. 3

259--274

EN

The problem of portfolio optimization with its twin objectives of maximizing expected portfolio return and minimizing portfolio risk renders itself difficult for direct solving using traditional methods when constraints reflective of investor preferences, risk management and market conditions are imposed on the underlying mathematical model. Marginal risk that represents the risk contributed by an asset to the total portfolio risk is an important criterion during portfolio selection and risk management. However, the inclusion of the constraint turns the problem model into a notorious non-convex quadratic constrained quadratic programming problem that seeks acceptable solutions using metaheuristic methods. In this work, two metaheuristic methods, viz., Evolution Strategy with Hall of Fame and Differential Evolution (rand/1/bin) with Hall of Fame have been evolved to solve the complex problem and compare the quality of the solutions obtained. The experimental studies have been undertaken on the Bombay Stock Exchange (BSE200) data set for the period March 1999-March 2009. The efficiency of the portfolios obtained by the two metaheuristic methods have been analyzed using Data Envelopment Analysis.

5

A three stage lexicographic approach for multi-criteria portfolio optimization by mixed integer programming

63%

Sawik B.

|

tom R. 84, nr 9

108-112

EN

The portfolio optimization problem is formulated as multi-objective mixed integer program. The problem considered is based on a single period model of investment. The problem objective is to allocate wealth on different assets to maximize the weighted difference of portfolio expected return, the threshold of the probability that the return is not less than required level and the amount of wealth to be invested. The results of some computational experiments modeled after a real data from the Warsaw Stock Exchange are reported.

PL

W artykule przedstawiono wielokryterialny model optymalizacji portfelowej wraz z trójetapowym podejściem lksykalno-graficznym. Celem optymalizacji jest wyznaczenie portfela o maksymalnej oczekiwanej stopie zwrotu, dla której prawdopodobieństwo wartości zagrożonej zwrotu (VaR) przy ryzyku mniejszym od zadanej wartości będzie nie większe od zadanego lub minimalizowanego progu. Przedstawiono wyniki eksperymentów obliczeniowych dla danych zaczerpniętych z GPW w Warszawie.