Parameter choice in portfolio optimization problems based on out-of-sample performance

Abstract

Tato práce zkoumá tři optimalizační modely s využitím metody posuvného okna. Tyto modely se zakládají na maximalizaci zisku a minimalizaci rizika. V těchto modelech se uvažují dvě statistiky: očekávaná hodnota a míra rizika. Analyzované míry rizika v této práci jsou rozptyl, Conditional Value-at-Risk na daném konfidenčním intervalu a Mean Absolute Deviation. Modely jsou testovány na reálných datech amerických akcií desíti společností v časovém rozmezí 20 let: od 30.1.1999 do 30.1.2019. Cílem této práce je identifikace nejlepšího nastavení uvažovaných parametrů ve zmíněných modelech.

This thesis investigates three optimization models using the rolling window method. These models are based on maximizing profits and minimizing risk. Two statistics are considered in the models: expected value and a risk measure. Risk measures analyzed in this thesis are: the variance, the Conditional Value-at-Risk at a specified confidence level, and the Mean Absolute Deviation. Models are tested on the real US stock data of ten companies in the time period of twenty years: from January 30th, 1999 to January 30th, 2019. The aim of this thesis is to analyze these models using the rolling window method and to investigate its sensitivity towards changes in the values of several parameters in order to identify the best parameter setting.