Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2020 | OriginalPaper | Buchkapitel

Portfolio Optimisation via Graphical Least Squares Estimation

verfasst von : Saeed Aldahmani, Hongsheng Dai, Qiao-Zhen Zhang, Marialuisa Restaino

Erschienen in: Nonparametric Statistics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, an unbiased estimation method called GLSE (proposed by Aldahmani and Dai [1]) for solving the linear regression problem in high-dimensional data (\(n<p\)) is applied to portfolio optimisation under the linear regression framework and compared to the ridge method. The unbiasedness of method helps in improving the portfolio performance by increasing its expected return and decreasing the associated risk when \(n<p\), thus leading to a maximisation of the Sharpe ratio. The verification of this method is achieved through conducting simulation and data analysis studies and comparing the results with those of ridge regression. It is found that GLSE outperforms ridge in portfolio optimisation when \(n<p\).

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Change of Measure Applications in Nonparametric Statistics
Literatur
1.
Aldahmani, S., Dai, H.: Unbiased estimation for linear regression when \(n <v\). Int. J. Stat. Probab. 4(3), p61 (2015)
2.
Bickel, P.J., Levina, E.: Regularized estimation of large covariance matrices. Ann. Stat. 199–227 (2008)
3.
Britten-Jones, M.: The sampling error in estimates of mean-variance efficient portfolio weights. J. Finan. 54(2), 655–671 (1999)CrossRef
4.
Candes, E., Tao, T.: The dantzig selector: statistical estimation when p is much larger than n. Ann. Stat. 35(6), 2313–2351 (2007)MathSciNetCrossRef
5.
Carrasco, M., Noumon, N.: Optimal portfolio selection using regularization. Technical report, University of Montreal (2011)
6.
DeMiguel, V., Garlappi, L., Nogales, F.J., Uppal, R.: A generalized approach to portfolio optimization: improving performance by constraining portfolio norms. Manage. Sci. 55(5), 798–812 (2009)CrossRef
7.
Efron, B., Hastie, T., Johnstone, I., Tibshirani, R., et al.: Least angle regression. Ann. Stat. 32(2), 407–499 (2004)MathSciNetCrossRef
8.
Fastrich, B., Paterlini, S., Winker, P.: Constructing optimal sparse portfolios using regularization methods. Comput. Manage. Sci. 12(3), 417–434 (2015)MathSciNetCrossRef
9.
Hoerl, A.E., Kennard, R.W.: Ridge regression: Biased estimation for nonorthogonal problems. Technometrics 12(1), 55–67 (1970)CrossRef
10.
Huang, J.Z., Liu, N., Pourahmadi, M., Liu, L.: Covariance matrix selection and estimation via penalised normal likelihood. Biometrika 93(1), 85–98 (2006)MathSciNetCrossRef
11.
Lauritzen, S.L.: Graphical Models. Oxford University Press, Oxford (1996)
12.
Lin, W., Shi, P., Feng, R., Li, H.: Variable selection in regression with compositional covariates. Biometrika asu 031 (2014)
13.
Malkiel, B.G., Xu, Y.: Risk and return revisited. J. Portfolio Manage. 23(3), 9–14 (1997)CrossRef
14.
Markowitz, H.: Portfolio selection. J. Finan. 7(1), 77–91 (1952)
15.
Meinshausen, N., Yu, B.: Lasso-type recovery of sparse representations for high-dimensional data. Ann. Stat. 246–270 (2009)
16.
Radchenko, P., James, G.M., et al.: Improved variable selection with forward-lasso adaptive shrinkage. Ann. Appl. Stat. 5(1), 427–448 (2011)MathSciNetCrossRef
17.
Still, S., Kondor, I.: Regularizing portfolio optimization. New J. Phys. 12(7), 075034 (2010)
18.
Tibshirani, R.: Regression shrinkage and selection via the lasso: a retrospective. J. R. Stat. Soc. Ser. B (Statistical Methodology) 58(1), 267–288 (2011)MathSciNetMATH
19.
Wong, F., Carter, C.K., Kohn, R.: Efficient estimation of covariance selection models. Biometrika 90(4), 809–830 (2003)MathSciNetCrossRef
20.
Zou, H., Hastie, T.: Regularization and variable selection via the elastic net. J. R. Stat. Soc. Ser. B (Statistical Methodology) 67(2), 301–320 (2005)MathSciNetCrossRef
Metadaten
Titel
Portfolio Optimisation via Graphical Least Squares Estimation
verfasst von
Saeed Aldahmani
Hongsheng Dai
Qiao-Zhen Zhang
Marialuisa Restaino
Copyright-Jahr
2020
Buch
Nonparametric Statistics

Print ISBN: 978-3-030-57305-8

Electronic ISBN: 978-3-030-57306-5

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-57306-5_1