Portföljoptimering
En tradingstrategi baserad på tidsvarierande volatilitet
I denna uppsats exploateras möjligheten att med hjälp av statistiska modeller skapa relativt tillförlitliga prognoser över framtida varians-, kovarians- och avkastningstermer för en portfölj av riskfyllda tillgångar. Prognoserna används som inputvariabler i Markowitz?s portföljoptimeringsalgoritm som i sin tur bygger upp en aktieportfölj vars riskjusterade avkastning är långsiktigt bättre än sitt jämförelseindex, SBXCAP. Resultaten visar att tradingstrategin lyckas uppnå en 26 procent högre Sharpekvot än portföljernas relevanta jämförelseindex. Denna relativt stora, men inte statistiskt signifikanta, förbättring är möjlig genom att göra månadsvisa rebalanseringar och minimera den förväntade volatiliteten snarare än att försöka maximera den förväntade Sharpekvoten. Detta i sin tur beror på de stora svårigheter som är förknippade med att göra tillförlitliga avkastningsprognoser. Än större skillnader bör rimligtvis vara möjliga att uppnå genom att släppa de restriktioner som finns för svenska aktiefonder och därmed strukturera portföljens mandat som en hedgefond.