Global minimum variance portfolio investopedia forex

Portfólio de variação mínima Horário após as Horas Pré-Mercado Notícias Resumo das Cotações Resumo Cotações Gráficos Interativos Configuração Padrão Por favor, note que uma vez feita a seleção, ela se aplicará a todas as futuras visitas ao NASDAQ. Se, a qualquer momento, estiver interessado em voltar às nossas configurações padrão, selecione Configuração padrão acima. Se você tiver dúvidas ou tiver problemas na alteração das configurações padrão, envie um e-mail para isfeedbacknasdaq. Confirme sua seleção: Você selecionou para alterar sua configuração padrão para a Pesquisa de orçamento. Esta será agora a sua página de destino padrão, a menos que você altere sua configuração novamente ou exclua seus cookies. Tem certeza de que deseja alterar suas configurações? Temos um favor a perguntar Desabilite seu bloqueador de anúncios (ou atualize suas configurações para garantir que o javascript e os cookies estejam ativados), para que possamos continuar fornecendo as novidades do mercado de primeira linha E os dados que você chegou a esperar de nós. Limite mínimo de fronteira Real-Time After Hours Pre-Market News Resumo das Cotações Resumo Citação Gráficos Interativos Configuração Padrão Por favor, note que uma vez que você faça a sua seleção, ele se aplicará a todas as futuras visitas ao NASDAQ. Se, a qualquer momento, estiver interessado em voltar às nossas configurações padrão, selecione Configuração padrão acima. Se você tiver dúvidas ou tiver problemas na alteração das configurações padrão, envie um e-mail para isfeedbacknasdaq. Confirme sua seleção: Você selecionou para alterar sua configuração padrão para a Pesquisa de orçamento. Esta será agora a sua página de destino padrão, a menos que você altere sua configuração novamente ou exclua seus cookies. Tem certeza de que deseja alterar suas configurações? Temos um favor a perguntar Desabilite seu bloqueador de anúncios (ou atualize suas configurações para garantir que o javascript e os cookies estejam ativados), para que possamos continuar fornecendo as novidades do mercado de primeira linha E os dados que você chegou a esperar de nós. Testando a carteira de variância mínima global Teoria e prática em gestão de dinheiro têm uma relação rochosa. O que parece bom no papel sofre frequentemente uma transição difícil e até mesmo fatal para o mundo real por várias razões, incluindo os custos de negociação, o erro humano eo fardo sempre presente de um futuro incerto. Mas alguns modelos fazem melhor do que outros como estratégias de portfólio. Em ou perto do topo desta lista curta é o que é conhecido como o portfólio de variância mínima global (GMVP). Que por design é uma mistura de ativos que minimiza a volatilidade. O sucesso dessa estratégia viola a moderna teoria da carteira, que nos leva a construir portfólios ótimos, ou seja, segurando uma combinação de ativos que maximiza o retorno esperado em um determinado nível de risco. Mas muitos estudos empíricos mostram que as carteiras que se concentram em minimizar a volatilidade geram resultados superiores fora da amostra. Como tal, é útil para considerar como sua carteira atual se compara se você fosse reponderá-lo para refletir uma estratégia GMVP. É razoável se perguntar por que a GMVP tende a superar um portfólio clássico otimizado. Uma explicação é que é um pouco mais fácil de prever e gerenciar o risco em comparação com a projeção de retornos. Qualquer que seja a razão, GMVP apresenta uma estrutura útil se apenas para estudar como uma estratégia de alocação de ativos existentes compara. GMVP, você pode dizer, oferece um benchmark alternativo para um determinado conjunto de ativos. Com isso em mente, vamos executar um teste rápido sobre como as classes de ativos principais se acumulam na estrutura de um GMVP. Usando R software, crunching os números é relativamente simples. Uma maneira de começar é analisar como os dados aleatórios aparecem em um teste de GMVP sintético. Usando Enrico Schumanns código R, podemos facilmente criar carteiras de teste usando uma grande variedade de pressupostos sobre volatilidade esperada e retorno. Por exemplo, como as alocações para uma carteira de 10 ativos aparecem com dados gerados aleatoriamente com base em uma média zero e um desvio padrão de 5: Observe que as alocações estão em uma faixa relativamente apertada, de cerca de 5 a 15. Isso não é surpreendente desde Estavam usando números aleatórios. Um teste mais útil é conectar dados de desempenho real. Como exemplo, vamos usar os retornos mensais históricos de 11 classes de ativos através dos índices usados ​​nessas páginas nas atualizações mensais das principais classes de ativos (veja aqui, por exemplo). Observe que Im deixando para fora alguns mercados porque neste teste estavam usando apenas os índices com pelo menos 14 anos de dados históricos (até janeiro de 2017). Idealmente, deveríamos usar amostras mais longas, mas neste caso usaremos um conjunto relativamente curto de registros de trajetória. Alguns outros pontos valem a pena mencionar antes de olhar para os resultados. Em primeiro lugar, vendas curtas e alavancagem arent permitido no nosso exemplo simples. A computação das alocações de GMVP com dados do mundo real em uma estrutura sem restrições tende a levar a carteiras altamente concentradas. Resultados extremos podem ser razoáveis ​​se tivéssemos um alto nível de confiança na assunção crítica em tais questões: estimar a matriz de covariância dos retornos. Mas qualquer coisa que se aproxima de certeza é o material de sonhos em gestão de portfólio e por isso é melhor supor que mesmo as melhores previsões vão tropeçar em algum grau. Como tal, Im também impor uma restrição algo arbitrária de não mais do que uma alocação em qualquer um ativo. Além disso, Im estimando a matriz de covariância usando uma estimativa de encolhimento do estimador Ledoit-Wolf, para ser preciso. Como os autores deste estimador observaram em um artigo amplamente lido, ninguém deveria usar a matriz de covariância de amostra para fins de otimização. Ele contém erro de estimação do tipo mais propenso a perturbar um otimizador de média-variância. Em Inglês claro, a capacidade dos mercados para resultados extremos, às vezes, pode criar estragos para o desenvolvimento de suposições razoáveis ​​sobre risco e retorno. Há uma série de aplicações para gerir o chamado problema de caudas gordas. Em última instância, os resultados são tão bons quanto as estimativas que você conecta na matriz de covariância. Se este era um portfólio real, eu gasto muito tempo desenvolvendo dados ex ante. Mas para simplificar aqui, vamos apenas pegar os números históricos brutos e processá-los através de um estimador de encolhimento. O que é interessante é que o processo de otimização favoreceu cinco classes de ativos: títulos dos EUA (AGG), EMBOND (Emerging markets bonds), US high yield bonds (JUNK), inflação (TIPS) e títulos de dívida pública estrangeira em mercados desenvolvidos (WGBI). Notavelmente, há apenas uma atribuição de token para ações dos EUA (R3000). Podemos, é claro, projetar resultados diferentes se ajustarmos as restrições. E esse é o ponto. Construir GMVP, ou qualquer outro portfólio otimizado, é em grande parte um processo de escolha de preferências e favorecendo o que você vê como suposições razoáveis. Na verdade, além de comprar todas as principais classes de ativos e ponderá-los com base em valores de mercado, qualquer carteira que você possui será uma estratégia personalizada. GMVP não é diferente. Sua certamente fornece uma metodologia robusta para a construção de carteiras, mas para o bem ou para o mal também requer uma dose saudável de uma coisa que está faltando em Markets passiva alocação de ativos: decisões subjetivas. Post navigation 2 pensamentos sobre ldquo Testando O Global Minimum Variance Portfolio rdquo Pensamento fértil aqui. A chave para qualquer construção de portfólio, creio eu, é definir os parâmetros do one8217s reconhecendo que o futuro pode desviar-se do passado a qualquer momento, tornando-se um não otimista em tudo sobre a replicação dos números que usamos na construção de modelos. Além de olhar para as classes de ativos para atender às minhas necessidades de volatilidade, uso a macroeconomia para me dar pelo menos uma idéia básica de onde estarei com minha carteira no ciclo de negócios. O que não era volátil no passado pode se tornar feio à medida que as condições econômicas e de negócios mudam. Comentários estão fechados.