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...
»