The aim of this thesis is the study of resampling approaches and their advantages and weaknesses within analysing and optimizing investment strategies. We discuss existing non-parametric approaches such as Backtesting and Bootstrapping as well as parametric simulation procedures such as the Geometric Brownian motion. The Markov-Switching model extends the Geometric Brownian motion and allows for changing volatility as well as state-dependent analysis and optimization. This thesis combines the stationary bootstrap and the Markov-Switching model leading to a powerful resampling model called 'Pseudo Markov-Switching Bootstrap' which allows for flexible and individual state-dependent analysis and optimization with characteristics of both models. The model can be further extended by incorporating the Black-Litterman model. The approach is applied to discuss Mean-Variance and resampled Mean-Variance portfolio optimization as well as the Black-Litterman model. Furthermore, we combine these approaches to achieve a forward looking and robust asset allocation. Moreover, the proposed resampling approach is applied to evaluate the dynamic Core-Satellite CPPI strategy which extends the classical CPPI strategy by using a stochastic floor. This thesis also provides theoretical properties of the Core-Satellite CPPI strategy within a Geometric Brownian motion model. All strategies are analysed for a portfolio consisting of well-known European and American Equity, Bond and Real Estate indices within a state-dependent as well as a state-independent framework.     «

The aim of this thesis is the study of resampling approaches and their advantages and weaknesses within analysing and optimizing investment strategies. We discuss existing non-parametric approaches such as Backtesting and Bootstrapping as well as parametric simulation procedures such as the Geometric Brownian motion. The Markov-Switching model extends the Geometric Brownian motion and allows for changing volatility as well as state-dependent analysis and optimization. This thesis combines the st...     »

Das Ziel dieser Arbeit ist die Betrachtung verschiedener resampling Methoden zur Analyse von Investmentstrategien. Die Arbeit diskutiert nicht-parametrische Verfahren sowie parametrische Simulationsverfahren wie die Geometrische brownsche Bewegung. Das Markov-Switching Modell erweitert das Konzept der Geometrischen brownschen Bewegung und erlaubt Änderungen in der Volatilität und Regime-abhängige Analysen. Diese Arbeit verbindet die stationäre Bootstrapping Methode mit dem Markov-Switching Modell zu einem vielseitigen resampling Verfahren, welches als 'Pseudo Markov-Switching Bootstrap' bezeichnet wird. Das Modell erlaubt flexible und individualisierter Regime-abhängige Analysen und Optimierungen mit Eigenschaften beider genannten Verfahren. Das vorgestellte Verfahren wird zur Portfoliooptimierung mit Hilfe des Mean-Variance Ansatzes, des resampled Mean-Varianz Ansatzes, sowie des Black-Litterman Modells angewandt. Eine Kombination der vorgestellten Verfahren ermöglicht eine robuste und zukunftsgerichtete Asset Allocation. Außerdem verwenden wir das 'Pseudo Markov-Switching Bootstrap' Verfahren zur Analyse der sogenannte Core-Satellite CPPI Strategie, welche entgegengesetzt zum klassische CPPI Modell einen stochastischen Floor betrachtet und analysieren die Eigenschaften der Strategie unter Annahme von normalverteilten Log-Returns. Alle empirischen Analysen werden sowohl Regime-abhängig als auch Regime-unabhängig bezüglich eines Portfolios bestehend aus bekannten europäischen und amerikanischen Aktien-, Anleihen- und Immobilienindizes durchgeführt.     «

Das Ziel dieser Arbeit ist die Betrachtung verschiedener resampling Methoden zur Analyse von Investmentstrategien. Die Arbeit diskutiert nicht-parametrische Verfahren sowie parametrische Simulationsverfahren wie die Geometrische brownsche Bewegung. Das Markov-Switching Modell erweitert das Konzept der Geometrischen brownschen Bewegung und erlaubt Änderungen in der Volatilität und Regime-abhängige Analysen. Diese Arbeit verbindet die stationäre Bootstrapping Methode mit dem Markov-Switching Model...     »