Επιλογή χαρτοφυλακίου επενδύσεων με χρήση μεθόδων προβλέψεων μη σταθερού επιπέδου

Abstract

Στη διπλωματική αυτή εργασία εξετάζεται το πρόβλημα διαχείρισης χαρτοφυλακίου επενδύσεων στις σύγχρονες χρηματιστηριακές αγορές. Την τελευταία δεκαετία η χρήση αλγορίθμων για την επιλογή επενδύσεων γίνεται όλο και πιο δημοφιλής στους επενδυτές ανά τον κόσμο. Σε δύο από τα σπουδαιότερα χρηματιστήρια του κόσμου (το χρηματιστήριο της Νέας Υόρκης και το χρηματιστήριο του Λονδίνου) οι επενδυτικές επιλογές που γίνονται αυτοματοποιημένα και βάσει αποτελεσμάτων αλγορίθμων αποτελούν περίπου το 50% του καθημερινού όγκου συναλλαγών. Ο σκοπός της εργασίας είναι να μελετήσει κατά πόσο στατιστικές μέθοδοι προβλέψεων μπορούν να εφαρμοστούν επιτυχώς στην διαχείριση ενός χαρτοφυλακίου επενδύσεων. Τα δεδομένα που χρησιμοποιήθηκαν είναι οι τιμές κλεισίματος των μετοχών που απαρτίζουν τον δείκτη S&P 500 του χρηματιστηρίου της Νέα Υόρκης, τον δείκτη FTSE All-Share του χρηματιστηρίου του Λονδίνου καθώς και το σύνολο των μετοχών που διαπραγματεύονται στο Χρηματιστήριο Αξιών Αθηνών. Τα δεδομένα καλύπτουν μια περίοδο πέντε ετών (2007-2011) με τα τελευταία δύο χρόνια να χρησιμοποιούνται για της διεξαγωγή του πειράματος. Οι μέθοδοι που εξετάζονται είναι οι Holt exponential smoothing, Damped exponential smoothing και Theta, τα αποτελέσματα των οποίων οδηγούν στην δημιουργία και διαχείριση ενός χαρτοφυλακίου επενδύσεων. Ο στόχος είναι να βρεθούν μέθοδοι που μπορούν να εφαρμοστούν ικανοποιητικά σε όλες τις αγορές. Οι παράμετροι του πειράματος είναι ο ορίζοντας πρόβλεψης, το πλήθος των δεδομένων που χρησιμοποιούνται για την παραγωγή των προβλέψεων και ο τρόπος επιλογής των μετοχών (βάσει μεγαλύτερο προβλεπόμενου κέρδους ή μεγαλύτερου προβλεπόμενου ποσοστιαίου κέρδους). Τα χαρτοφυλάκια που δημιουργήθηκαν με τις προτεινόμενες μεθόδους οδήγησαν σε κέρδη της τάξεως του 40% σε δύο χρόνια τόσο στο χρηματιστήριο της Νέας Υόρκης, όσο και στο χρηματιστήριο του Λονδίνου.

This study addresses the problem of portfolio management in modern financial markets. Over the past decade various trading algorithms have become a major factor in investment decisions made by traders. In two of today’s greatest stock exchanges (NYSE and LSE) algorithmic trading is used for roughly 50% of every-day trading. The purpose of this study is to examine whether statistical forecasting methods can be applied in portfolio management. The data used are daily closing prices of the SP500 and the FTSE All-Share components as well as the whole of the Athens Stock Exchange listed companies, covering a five-year period (2007-2011). Using the last two years for simulating the stock selection process, the results of three forecasting methods (Holt, Damped and Theta) lead to the formation and processing of an investment portfolio. The aim is to define a robust method, suitable for use in all markets. The variables are the forecasting horizon, the data used for producing the forecast, the size of the portfolio and the way the stocks are selected (by highest forecasted profit, percentage growth etc.). The investment portfolio created with the proposed method leads to profit around 40% in two years in both the New York and London stock markets.