The primary aim of this thesis is to create a robust portfolio optimization model for MSG for banking ag, targeted towards small and medium-sized Banks. We start with the standard Markowitz Optimization theory, which has some drawbacks, including its heavy reliance on return estimators such as the empirical mean return, and the potential inadequacy of using standard deviation as a risk measure. Our goal is to integrate alternative models, creating a hybrid solution that builds upon Markowitz's foundational theory. To estimate expected returns, we employ the Black-Litterman model, incorporating our personal views. We then introduce Conditional Value-at-Risk (CVaR) as a preferred risk measure, particularly for the targeted LSI banks receiving these allocations. Our research strives to develop a robust, optimal solution that remains effective throughout an entire economic cycle, utilizing recent data from a diverse set of asset classes and incorporating linear constraints, such as the High-Quality Liquid Ratio and Risk-Weighted Asset Ratio. We create a versatile testing framework designed to compare the out-of-sample risk-return features. This framework is utilized to offer an empirical evaluation of the performance of both traditional and modern methods within historical and generated datasets.     «

The primary aim of this thesis is to create a robust portfolio optimization model for MSG for banking ag, targeted towards small and medium-sized Banks. We start with the standard Markowitz Optimization theory, which has some drawbacks, including its heavy reliance on return estimators such as the empirical mean return, and the potential inadequacy of using standard deviation as a risk measure. Our goal is to integrate alternative models, creating a hybrid solution that builds upon Markowitz's f...     »

Das Hauptziel dieser Arbeit ist es, ein robustes Portfolio-Optimierungsmodell für MSG for banking ag zu entwickeln, das sich an kleine und mittelgroße Banken richtet. Wir beginnen mit der klassischen Markowitz-Optimierungstheorie, die einige Nachteile aufweist. Ein Nachteil ist ihre starke Abhängigkeit von Schätzern wie die Rendite Schätzer wie z. B. der empirische Mittelwert und die inadäquate Verwendung der Standardabweichung als Risikomaß für Banken. Unser Ziel ist es, alternative Modelle zu integrieren und eine hybride Lösung zu entwickeln, die auf der grundlegenden Theorie von Markowitz basiert. Wir verwenden das Black-Litterman-Modell, um den Erwartungswert der Rendite zu schätzen, und berücksichtigen dabei unsere individuellen Einschätzungen. Danach setzen wir das Conditional Value-at-Risk (CVaR) als Risikomaß ein, das insbesondere für die anvisierten Banken von Interesse ist. Unsere Untersuchung zielt darauf ab, eine robuste, optimale Lösung zu entwickeln, die Ergebnisse mit geringer Abweichung während des gesamten Wirtschaftszyklus erzielt. Dies wird erreicht, indem aktuelle Daten aus einer Vielzahl von Anlageklassen verwendet werden, einschließlich linearer Beschränkungen bzgl. dem Anteil hochliquider Aktiva und risikogewichteter Aktiva. Letztendlich erstellen wir ein Testframework, das die Unterschiede zwischen Out-of-sample Risiko-Rendite-Eigenschaften untersucht. Durch die Verwendung dieses Frameworks wird eine empirische Bewertung der Leistung sowohl traditioneller als auch moderner Methoden in historischen und generierten Daten durchgeführt.     «

Das Hauptziel dieser Arbeit ist es, ein robustes Portfolio-Optimierungsmodell für MSG for banking ag zu entwickeln, das sich an kleine und mittelgroße Banken richtet. Wir beginnen mit der klassischen Markowitz-Optimierungstheorie, die einige Nachteile aufweist. Ein Nachteil ist ihre starke Abhängigkeit von Schätzern wie die Rendite Schätzer wie z. B. der empirische Mittelwert und die inadäquate Verwendung der Standardabweichung als Risikomaß für Banken. Unser Ziel ist es, alternative Modelle zu...     »