Portfolio selection in case of high dimensionality

Das Problem der Portfolioauswahl war immer eines der wichtigsten Themen in der Investionstheorie. Das betrifft nicht nur das Verfahren der Portfolioauswahl an sich aber auch die Probleme der Einschätzung des Erwartunswerts und der Kovarianz. Da grosse Datenmenge heutzutage verfügbar ist, wird das Problem der angemessenen Einschätzung im Falle der Hochdimensionalität ein wichtiges Thema in Finanzanalyse. Die allerwichtigste Schwierigkeit ist es, dass die am meisten traditionelle Einschätzungsmethoden für den Fall, wenn die Anzahl von Beobachtungen $n$ viel größer als Dimension von Daten $p$ ist und auf hochdimensionalen Fall ($p$ ist größer als $n$) nicht angewendet werden kann, entwickelt wurden. In dieser Arbeit wird die Effizienz der unterschiedlichen Portfolioauswahlmethoden und Einschätzungsmethoden im Fall der hochdimensionalen Daten analysiert. Es wird eine empirische Untersuchung präsentiert, die Perfomanz der von S\&P 500 Index Komponenten konstruierten Portfolios vergleicht. Die empirische Analyse ist in Matlab Programmsprache durchgeführt.

Grantor dc:publisher

Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät

Year dc:date.issued

2015

Author dc:creator

• Bykovskaya, Svetlana

• Portfolio Optimierung
• Hochdimensionalität
• Shrinkage Schätzer
• Schätzer des Erwartunswerts
• Schätzer der Kovarianz
• high dimensionality
• portfolio selection
• shrinkage estimator
• mean estimator
• covariance matrix estimator

Licence dc:rights.uri

• http://rightsstatements.org/vocab/InC/1.0/

Language dc:language.iso

eng

DOI

https://doi.org/10.18452/14239

OAI record oai:identifier

https://edoc.hu-berlin.de/server/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Aedoc.hu-berlin.de%3A18452%2F14891