Optimal Investment Portfolio with Respect to the Term Structure of the Risk-Return Tradeoff

Abstract

Tato práce se zabývá optimálním investičním rozhodováním, speciálně v dlouhém časovém horizontu. Nejdříve shrnu předešlou literaturu, která ukazuje, že změny v investičních příležitostech mohou změnit strukturu rizika a očekávaných výnosů v čase a že předvídatelnost návratností aktiv má důležitý dopad na rozptyl a korelaci výnosů u dluhopisů, akcií a pokladničních poukázek s měnícím se investičním horizontem. Hlavní pozornost bude zaměřena na penzijní fondy, což jsou institucionální investoři s relativně dlouhým investičním horizontem. Pokusím se najít optimální alokaci portfolia s ohledem na časovou strukturu rizika a výnosů. Později přidám do modelu další proměnné a prozkoumám, zda mohou zlepšit výsledky modelu. Nakonec vytvořím optimální investiční strategie pro různé míry tolerance k riziku a výsledky porovnám se současnými strategiemi českých penzijních fondů. Pro empirický výzkum použiji data z Thomson Reuters Datastream, Wharton Research Data Services a případně z dalších zdrojů.

My thesis will focus on optimal investment decisions, especially those that are planned for longer investment horizon. I will review the literature, showing that changes in investment opportunities can alter the risk-return tradeoff over time and that asset return predictability has an important effect on the variance and correlation structure of returns on bonds, stocks and T bills across investment horizons. The main attention will be given to pension funds, which are institutional investors with relatively long investment horizon. I will find the term structure of risk-return tradeoff in the empirical part of this paper. Later on I will add some variables into the model and investigate whether it can improve the results. Finally the optimal investment strategies will be constructed for various levels of risk tolerance and the results will be compared with strategies of Czech pension funds. I am going to use data from Thomson Reuters Datastream, Wharton Research Data Services and additionally from some other sources.