text size

Robust portfolio selection

Notice: I hereby declare that I am aware that the information acquired from theses published by Charles University may not be used for commercial purposes or may not be published for educational, scientific or other creative activities as activities of person other than the author.
Title:
Robust portfolio selection
Title (in czech):
Robustní výběr portfolií
Type:
Bachelor's thesis
Author:
Bc. Inés Horváthová
Supervisor:
RNDr. Michal Červinka, Ph.D.
Opponent:
Mgr. Lucie Kraicová
Thesis Id:
136814
Faculty:
Faculty of Social Sciences (FSV)
Department:
Institute of Economic Studies (23-IES)
Study programm:
Economics (B6201)
Study branch:
Economics (E)
Degree granted:
Bc.
Defence date:
09/09/2014
Defence result:
Excellent
Language:
English
Keywords (in czech):
portfolio selection, VaR, CVaR, mean-variance, robust
Keywords:
portfolio selection, VaR, CVaR, mean-variance, robust
Abstract (in czech):
Abstrakt V předložené práci budeme studovat optimalizaci portfolií pomocí mean-risk“ modelů. Nejdříve si obecně definujeme rizikové míry a dále ” uvedeme tři běžně užívané: rozptyl, Value-at-risk (VaR - ”hodnota v riziku“) a Conditional value-at-risk (CVaR - ”podmíněná hodnota v riziku“). Pro každou z těchto rizikových měr formulujeme příslušné mean-risk“ modely. Dále ke každé z nich uvedeme robustní verzi. ” Nejvíce se budeme věnovat robustním verzím modelů s rozptylem jako mírou rizika, které následně aplikujeme na historická data, využitím volně dostupného statistického softwaru R. Nakonec porovnáme získané výsledky s klasickým nerobustním modelem mean-variance.
Abstract:
Abstract In this thesis, we take the mean-risk approach to portfolio optimi- zation. We will first define risk measures in general and then intro- duce three commonly used ones: variance, Value-at-risk (V aR) and Conditional-value-at-risk (CV aR). For each of these risk measures we formulate the corresponding mean-risk models. We then present their robust counterparts. We focus mainly on the robust mean-variance models, which we also apply to historical data using free statistical software R. Finally, we compare the results with the classical non- robust mean-variance model.
Documents
Download Document Author Type File size
Download Text of the thesis Bc. Inés Horváthová 726 kB
Download Abstract in czech Bc. Inés Horváthová 107 kB
Download Abstract in english Bc. Inés Horváthová 125 kB
Download Supervisor's review RNDr. Michal Červinka, Ph.D. 155 kB
Download Opponent's review Mgr. Lucie Kraicová 87 kB
Download Defence's report 61 kB