Diese Arbeit beschäftigt sich mit dem Einfluss von Störgrößen bzgl. der zu schätzenden Inputparameter der Markowitz-Portfolio-Selektion. Dabei wird simulativ deren Auswirkung auf den erwarteten Return ermittelt.
Ferner ermittelt der beiliegende Matlabcode auch optimale Portfolien, Renditeverteilungen, etc.
Inhaltsverzeichnis
2 EINLEITUNG
3 DISKUSSION DER MEAN-VARIANCE-PROBLEMATIK IN DER LITERATUR
4 HERLEITUNGEN
4.1 Herleitung der Markowitz Portfolio-Optimierung für n Wertpapiere
4.2 Herleitung Nutzenfunktion und Teststatistik
5 SIMULATIONSDESIGN
6 ERGEBNISSYNTHESE
6.1 Variation der Wertpapieranzahl
6.2 Variation des Risikoaversionsparameters
6.3 Variation der Kovarianz
6.4 Variation der Varianzen
6.5 Variation von µ
7 AUSBLICK
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Auswirkungen von Schätzfehlern in Mittelwerten, Varianzen und Kovarianzen auf die optimale Portfolio-Selektion nach Markowitz. Ziel ist es, durch Monte-Carlo-Simulationen zu analysieren, welche Parameterunsicherheiten am schwerwiegendsten sind und wie sich diese, gemessen am Cash-Equivalent-Loss (CEL), auf das Sicherheitsäquivalent eines spezifischen Investors auswirken.
- Analyse der Robustheit des Mean-Variance-Portfoliomodells gegenüber Dateneingabefehlern.
- Untersuchung des Einflusses der Wertpapieranzahl und des Diversifikationseffekts auf den Schätzfehler.
- Einflussanalyse unterschiedlicher Risikoaversionsgrade auf die Stabilität der Portfolioallokation.
- Vergleich der Auswirkungen von Verzerrungen in Renditeerwartungen versus Risikoparametern (Varianz/Kovarianz).
- Quantifizierung des Fehlereinflusses mittels Cash-Equivalent-Loss bei Verwendung einer negativ exponentiellen Nutzenfunktion.
Auszug aus dem Buch
3 Diskussion der Mean-Variance-Problematik in der Literatur
Harry M. Markowitz erhielt im Jahre 1990 für sein Optimierungsmodell den Nobelpreis in Wirtschaftswissenschaften. Seine Arbeit war zum Erscheinungsdatum revolutionär und wird heute als der Beginn der modernen Portfoliotheorie gesehen. Eine der Kernaussagen ist, dass alle Marktteilnehmer einen Teil des Marktportfolios halten (Sharpe 1964) und das alle Marktteilnehmer ihr Anlagevermögen in gut diversifizierten Portfolios investiert haben sollten.
Im Kontext der Portfolio-Optimierung tauchen jedoch einige praktische Probleme, unter anderem das Mean-Variance-Problem, auf. Dieses wurde bereits intensiv in der Literatur von Best und Grauer (1991), Mischaud (1989), Klein und Vijay (1975) und Chopra,Vijay und Ziemba (1993) diskutiert, wobei wir hier im Weiteren genauer auf die Artikel von Best und Grauer sowie Chopra,Vijay und Ziemba eingehen werden. Außerdem möchten wir kurz auf Freund (1956) bzgl. der hier verwendeten Nutzenfunktion verweisen.
Best und Grauer untersuchen in ihrer Arbeit aus dem Jahr 1991, wie sich die Zusammensetzung eines effizienten Portfolios verändert, wenn die Erwartungswerte der Renditen einzelner Aktien verändert werden. Als Datengrundlage verwendeten sie historische Datensätze, um die Returns sowie die Varianz-Kovarianz-Matrix zu schätzen. Sie setzen den Fokus nun im Weiteren auf die spezifischen Gewichte der einzelnen Wertpapiere innerhalb des Portfolios. Dabei ermitteln sie, welche Auswirkungen eine Verzerrung von E(µi), also eine Verzerrung einzelner erwarteter Wertpapierrenditen auf die Selektion des optimalen Portfolios hat. Hier zeigen sie: „… that small changes in the mean of an asset generate large changes in the portfolio weights. For example,asset 1's (4's) weight increases (decreases) at a rate of 228 (131) times the rate of increase in the mean of asset 1.” (Best & Grauer, The Review of Financial Studies, Vol. 4, No. 2.,1991, S.332)
Zusammenfassung der Kapitel
2 EINLEITUNG: Das Kapitel führt in die Problematik der Portfolio-Optimierung nach Markowitz ein und erläutert die Relevanz von Schätzfehlern bei der Verwendung historischer Daten für Finanzmarktprognosen.
3 DISKUSSION DER MEAN-VARIANCE-PROBLEMATIK IN DER LITERATUR: Hier werden zentrale Forschungsarbeiten, insbesondere von Best & Grauer sowie Chopra & Ziemba, diskutiert, die sich mit der Empfindlichkeit optimaler Portfolios gegenüber Fehlern in Inputparametern befassen.
4 HERLEITUNGEN: Dieses Kapitel liefert die mathematischen Grundlagen für die Markowitz-Optimierung, die Herleitung der Nutzenfunktion sowie die Definition der Teststatistik für die Simulation.
5 SIMULATIONSDESIGN: Hier wird der methodische Aufbau der Monte-Carlo-Simulation beschrieben, einschließlich der Parameterverzerrung zur Untersuchung der Robustheit.
6 ERGEBNISSYNTHESE: Die Ergebnisse der Simulationen werden präsentiert, wobei insbesondere die Auswirkungen von Variationen in der Wertpapieranzahl, dem Risikoaversionsparameter und den Input-Variablen auf den Cash-Equivalent-Loss aufgezeigt werden.
7 AUSBLICK: Das Kapitel reflektiert die Ergebnisse und diskutiert den Bedarf an weiteren Forschungen, insbesondere im Kontext komplexerer Anlageklassen und zeitabhängiger Modelle.
Schlüsselwörter
Markowitz, Portfolio-Optimierung, Estimation Risk, Mean-Variance-Analyse, Monte-Carlo-Simulation, Cash-Equivalent-Loss, Sicherheitsäquivalent, Nutzenfunktion, Risikoaversion, Diversifikationseffekt, Schätzfehler, Renditeerwartungen, Varianz-Kovarianz-Matrix, Wertpapierallokation, Fehlallokation.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der Stabilität des klassischen Markowitz-Portfolio-Optimierungsmodells unter der Annahme fehlerhafter Dateneingaben für Renditeerwartungen, Varianzen und Kovarianzen.
Welche zentralen Themenfelder werden behandelt?
Die zentralen Felder sind die moderne Portfoliotheorie, statistische Schätzrisiken, Monte-Carlo-Simulationen und die quantitative Messung von Nutzenverlusten bei Fehlallokationen.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist die Untersuchung der relativen Auswirkungen von Schätzfehlern auf das Sicherheitsäquivalent eines Investors, um zu bestimmen, welche Parameter für die Portfolio-Stabilität am kritischsten sind.
Welche wissenschaftliche Methode wird verwendet?
Es wird eine fünfteilige Monte-Carlo-Simulation eingesetzt, um künstliche, aber auf historischen Daten basierende Marktsituationen zu erzeugen und diese gezielt mit Störparametern zu verzerren.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil umfasst die theoretischen Herleitungen des Optimierungsmodells, das Design der Simulation sowie die detaillierte Auswertung der Ergebnisse bei Variation verschiedener Marktparameter.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Begriffe sind Markowitz, Portfolio-Optimierung, Estimation Risk, Mean-Variance-Analyse, Cash-Equivalent-Loss und Risikoaversion.
Warum ist die Renditeerwartung (Mean) so entscheidend im Vergleich zu anderen Parametern?
Die Simulation zeigt, dass Fehler in den Renditeerwartungen einen deutlich größeren negativen Effekt auf das Sicherheitsäquivalent haben als Fehler in den Risiko- oder Kovarianzparametern.
Inwiefern beeinflusst der Risikoaversionsgrad das Ergebnis?
Risikoaversere Investoren gewichten Fehler in Varianzen und Kovarianzen stärker, während der Einfluss fehlerhafter Renditeerwartungen über verschiedene Risikoaversionsgrade hinweg nahezu konsistent hoch bleibt.
- Quote paper
- Robert Hang (Author), Marc Leopold (Author), 2007, Markowitz Portfolio Selection und Estimation Risk, Munich, GRIN Verlag, https://www.grin.com/document/86085
