Estimation error is the main cause of the poor out-of-sample performance of minimum- variance portfolios. In this thesis we develop several approaches that reduce the impact of estimation error on the out-of-sample performance of portfolios. These include the norm-constrained minimum-variance portfolio, which is based on the traditional minimum- variance problem but subject to the additional constraint that the norm of the portfolio is bounded by a threshold parameter. Furthermore, with Hierarchical Risk Parity we consider a method that introduces a hierarchical structure by applying clustering techniques. However, this method does not explicitly use this structure. Inspired by this shortfall we develop the nested allocation approach, which uses the hierarchical structure and combines it with the norm-constrained portfolios. We show empirically that these approaches can reduce the impact of estimation error.     «

Estimation error is the main cause of the poor out-of-sample performance of minimum- variance portfolios. In this thesis we develop several approaches that reduce the impact of estimation error on the out-of-sample performance of portfolios. These include the norm-constrained minimum-variance portfolio, which is based on the traditional minimum- variance problem but subject to the additional constraint that the norm of the portfolio is bounded by a threshold parameter. Furthermore, with Hierarch...     »

Schätzfehler sind die Hauptursache für die schlechte Out-of-Sample-Performance von Minimum-Varianz Portfolios. In dieser Arbeit entwickeln wir mehrere Ansätze, die die Auswirkungen von Schätzfehlern auf die Out-of-Sample-Performance von Portfolios reduzieren. Dazu gehört das Norm-Constrained Minimum-Varianz-Portfolio, das auf dem traditionellen Minimum-Varianz Problem basiert, aber unter der zusätzlichen Bedingung, dass die Norm des Portfolios kleiner als ein threshold Parameter ist. Darüber hinaus betrachten wir mit Hierarchical Risk Parity eine Methode, die eine hierarchische Struktur durch die Anwendung von Clustering-Techniken einführt. Diese Methode verwendet diese Struktur jedoch nicht explizit. Ausgehend von diesem Defizit entwickeln wir den Nested Allocation Approach, der die hierarchische Struktur nutzt und mit den Norm-Constrained Minimum-Varianz Portfolios kombiniert. Wir zeigen empirisch, dass diese Ansätze die Auswirkungen von Schätzfehlern reduzieren können.     «

Schätzfehler sind die Hauptursache für die schlechte Out-of-Sample-Performance von Minimum-Varianz Portfolios. In dieser Arbeit entwickeln wir mehrere Ansätze, die die Auswirkungen von Schätzfehlern auf die Out-of-Sample-Performance von Portfolios reduzieren. Dazu gehört das Norm-Constrained Minimum-Varianz-Portfolio, das auf dem traditionellen Minimum-Varianz Problem basiert, aber unter der zusätzlichen Bedingung, dass die Norm des Portfolios kleiner als ein threshold Parameter ist. Darüber hin...     »