• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1115
  • 328
  • 229
  • 174
  • 168
  • 69
  • 57
  • 51
  • 42
  • 36
  • 30
  • 28
  • 26
  • 24
  • 21
  • Tagged with
  • 2617
  • 889
  • 476
  • 324
  • 302
  • 298
  • 297
  • 288
  • 283
  • 225
  • 193
  • 187
  • 185
  • 182
  • 170
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
31

Rational speculative bubbles in a cross-sectional framework : a theory and simulation experiments

Fung, Tsan Sing Libon January 2001 (has links)
No description available.
32

Diverzifikace portfolia u P2P půjček / Portfolio diversification on P2P loan markets

Polák, Petr January 2017 (has links)
This thesis presents ways how investors can construct optimal portfolios on on-line peer-to-peer lending platforms. Thesis uses standard portfolio theory and unique dataset from Lending Club platform of over 886 thousand loans issued since 2008 till the end of 2015. Firstly, this thesis shows that there is a non- zero covariance between loans from different credit grades and it is necessary to include it in portfolio management optimization. Secondly, the thesis with the help of a logistic regression identifies loan default determinants. Using the default predictions, the portfolio performance can be improved significantly. Thirdly, the thesis simulates diversification benefits stemming from investing into multiple loans. Powered by TCPDF (www.tcpdf.org)
33

Portfolio Optimization, CAPM & Factor Modeling Project

Zhao, Zhen 25 April 2012 (has links)
In this project, we implement portfolio theory to construct our portfolio, applying the theory to real practice. There are 3 parts in this project, including portfolio optimization, Capital Asset Pricing Model (CAPM) analysis and Factor Model analysis. We implement portfolio theory in the portfolio optimization part. In the second part, we use the CAPM to analyze and improve our portfolio. In the third part we extend our CAPM to factor models to get a deeper analysis of our portfolio.
34

The Portfolio Optimization Project

Gao, Panwen 25 April 2012 (has links)
This project has three parts. The first part is to use the efficient frontier and find the tangency portfolio to form our optimal portfolio. We built our portfolio using the Interactive Brokers software and rebalanced every week for 4 holding periods to see the relationship between our projected returns and actual market returns. In the second part we considered the Capital Asset Pricing Model (CAPM) and ran linear regressions on the stocks we chose in the first part of the project. This process is based on our idea of finding the systematic risk in each stock to improve our stock choosing ability. In the last part we introduce the concept of factor models and add more factors into our original CAPM model. Via a back-testing method, we test the reasonability of our factors and give advice to further improve our portfolio optimization project.
35

Theoretical and numerical study on continuous-time mean-variance optimal strategies. / Theoretical & numerical study on continuous-time mean-variance optimal strategies

January 2006 (has links)
Li Yan. / Thesis (M.Phil.)--Chinese University of Hong Kong, 2006. / Includes bibliographical references (leaves 87-88). / Abstracts in English and Chinese. / Chapter 1 --- Introduction --- p.1 / Chapter 2 --- Literature Review --- p.8 / Chapter 2.1 --- Markowitz´ةs Single-Period Mean-Variance Model --- p.9 / Chapter 2.2 --- Discrete-Time Mean-Variance Problem --- p.10 / Chapter 2.2.1 --- Optimal Buy-and-Hold Policy --- p.11 / Chapter 2.2.2 --- Optimal Rolling Markowitz Policy --- p.12 / Chapter 2.2.3 --- Multi-Period Mean-Variance Optimal Policy --- p.12 / Chapter 2.3 --- Continuous-Time Market --- p.13 / Chapter 2.3.1 --- Optimal Unconstrained Policy --- p.15 / Chapter 2.3.2 --- Bankruptcy Prohibited Optimal Policy --- p.16 / Chapter 2.3.3 --- No-Shorting Optimal Policy --- p.17 / Chapter 2.4 --- Continuously Rebalancing Optimal Policy --- p.18 / Chapter 3 --- Discretized Continuous-Time Optimal Policies --- p.20 / Chapter 3.1 --- Problem Setup --- p.21 / Chapter 3.2 --- Unconstrained Problem --- p.25 / Chapter 3.3 --- Problem with No-shorting Constraint --- p.31 / Chapter 3.4 --- Problem with No-Bankruptcy Constraint --- p.34 / Chapter 3.4.1 --- Quasi No-Bankruptcy Problem --- p.36 / Chapter 3.5 --- Stability of the Simulation --- p.38 / Chapter 3.6 --- Concluding Remarks --- p.41 / Chapter 4 --- Performance of Continuous-Time M-V Optimal Policies --- p.43 / Chapter 4.1 --- Measures of the Performance by Probabilities --- p.45 / Chapter 4.2 --- Performance of the Optimal Mean-Variance Portfolio --- p.51 / Chapter 4.2.1 --- Target-Hitting Probability --- p.51 / Chapter 4.2.2 --- Cut-Off Probability --- p.53 / Chapter 4.2.3 --- Target-Hitting-before-Cut-Off Probability --- p.58 / Chapter 4.3 --- Numerical Evaluations of Probabilities for Discrete-Time Market --- p.63 / Chapter 4.3.1 --- Simulation on Target-Hitting Probability --- p.64 / Chapter 4.3.2 --- Simulation on Zero-Hitting Probability --- p.66 / Chapter 4.3.3 --- Simulation on Target-Hitting-before-Bankruptcy Probability --- p.67 / Chapter 4.4 --- Policy Comparison --- p.68 / Chapter 4.4.1 --- Profile of the Probabilities --- p.70 / Chapter 4.4.2 --- Impact of z on the Probabilities --- p.72 / Chapter 4.5 --- Concluding Remarks --- p.74 / Chapter 5 --- Empirical Analysis --- p.75 / Chapter 5.1 --- Experiment Description and Parameter Estimation --- p.76 / Chapter 5.1.1 --- Introduction of the Data --- p.76 / Chapter 5.1.2 --- Experiment Description --- p.77 / Chapter 5.1.3 --- Parameter Estimation --- p.79 / Chapter 5.2 --- Empirical Results and Analysis --- p.80 / Chapter 5.2.1 --- Performance Indicator --- p.80 / Chapter 5.2.2 --- Experimental Results and Analysis --- p.81 / Chapter 5.3 --- Concluding Remarks --- p.83 / Chapter 6 --- Summary --- p.84 / Bibliography --- p.87
36

Portfolio Optimization Based on Robust Estimation Procedures

Gao, Weiguo 30 April 2004 (has links)
Implemented robust regressio technology in portfolio optimization. Constructed optimized portfolio based on robust regression estimations. Compared the portfolio performance with optimized portfolio which is based on ordinary least square estimation.
37

A multi-period portfolio selection problem.

January 2009 (has links)
Hou, Wenting. / Thesis (M.Phil.)--Chinese University of Hong Kong, 2009. / Includes bibliographical references (p. 113-117). / Abstract also in Chinese. / Abstract --- p.i / Acknowledgement --- p.iii / Chapter 1 --- Introduction --- p.1 / Chapter 1.1 --- Literature Review --- p.1 / Chapter 1.2 --- Problem Description --- p.8 / Chapter 1.3 --- The Main Contributions of This Thesis --- p.11 / Chapter 2 --- Model I --- p.13 / Chapter 2.1 --- Notation --- p.13 / Chapter 2.2 --- Model Formulation --- p.16 / Chapter 2.3 --- Analytical Solution --- p.19 / Chapter 3 --- Model II --- p.25 / Chapter 3.1 --- Model Formulation --- p.25 / Chapter 3.2 --- Analytical Solution --- p.30 / Chapter 3.3 --- How to Find y --- p.38 / Chapter 3.4 --- Numerical Example --- p.42 / Chapter 4 --- Model III --- p.47 / Chapter 4.1 --- Model Formulation --- p.48 / Chapter 4.2 --- Dynamic Programming --- p.50 / Chapter 4.2.1 --- DP I --- p.50 / Chapter 4.2.2 --- DP II --- p.53 / Chapter 4.3 --- Approximate Analytical Solution --- p.56 / Chapter 4.4 --- Computational Result Comparison --- p.65 / Chapter 5 --- Conclusions --- p.73 / Chapter A --- Source Data --- p.76 / Chapter A.l --- rti --- p.76 / Chapter A.2 --- qti --- p.79 / Chapter B --- Model II Numerical Example and Result --- p.82 / Chapter B. --- l Value of xti when A = 0.3 --- p.82 / Chapter B.2 --- Value of xti when A = 0.6 --- p.84 / Chapter B.3 --- Value of xti when A = 0.9 --- p.88 / Chapter B.4 --- True Value of xti --- p.91 / Chapter C --- Model III Numerical Example and Result --- p.98 / Chapter C.l --- The Value of Mt of DP II --- p.98 / Chapter C.2 --- Track of Optimal Value of DP II --- p.101 / Chapter C.3 --- The Optimal Total Wealth of DP II --- p.105 / Chapter C.4 --- The Optimal Asset Allocation of P4 --- p.109 / Bibliography --- p.113
38

Portfolio utifrån elevperspektiv

Grahn, Ann-Sophie, Johansson, Ingela, Linell, Christina January 2006 (has links)
<p>Portfolio är ett bra verktyg för att dokumentera och synliggöra lärandet. Det har forskats om portfolio ur lärarperspektivet men mindre utifrån elevernas perspektiv. Syftet är att eleverna ska se sin kunskapsutveckling och sitt eget lärande under hela skolgången. Det är inte dokumentationen i sig som är det viktiga utan de reflektioner den ger upphov till. Utgångspunkten är elevernas egna satta mål. Läroplanen betonar individualiserad undervisning, elevansvar och att synliggöra lärandet. Genom en väl utarbetad portfoliometodik tror vi att portfolio kan underlätta och synliggöra elevernas utveckling och på så vis vara ett stöd för dem. Syftet med undersökningen var att ta reda på vilken medvetenhet eleverna har med portfolioarbeten och om eleverna arbetar med portfolion efter skolans syfte. Undersökningen syftade också till att studera om en frekvent användning av portfolion påverkar elevernas medvetenhet med portfolioarbetet. Vi har gjort en enkätundersökning med slutna och öppna frågor till elever i år 3 - 6. För att få reda på skolans bakgrund och syfte till portfolioarbetet genomförde vi en intervju med skolans utvecklingsledare. När det gäller portfolioarbetet efter skolans syfte var det lite olika hur det efterföljdes men ser man till helheten så arbetade de flesta klasserna aktivt och målinriktat. Vi kunde se att med stigande ålder så ökade elevernas medvetenhet. Det vi saknade var elevernas reflektion över de insatta arbetena. Vi kunde inte se något samband mellan en frekvent användning av portfolion och en ökad medvetenhet hos eleverna. Vi har funnit att det är reflektionen som är det viktiga när det gäller att få eleverna att utveckla en medvetenhet kring sitt eget lärande.</p>
39

Portfolio utifrån elevperspektiv

Grahn, Ann-Sophie, Johansson, Ingela, Linell, Christina January 2006 (has links)
Portfolio är ett bra verktyg för att dokumentera och synliggöra lärandet. Det har forskats om portfolio ur lärarperspektivet men mindre utifrån elevernas perspektiv. Syftet är att eleverna ska se sin kunskapsutveckling och sitt eget lärande under hela skolgången. Det är inte dokumentationen i sig som är det viktiga utan de reflektioner den ger upphov till. Utgångspunkten är elevernas egna satta mål. Läroplanen betonar individualiserad undervisning, elevansvar och att synliggöra lärandet. Genom en väl utarbetad portfoliometodik tror vi att portfolio kan underlätta och synliggöra elevernas utveckling och på så vis vara ett stöd för dem. Syftet med undersökningen var att ta reda på vilken medvetenhet eleverna har med portfolioarbeten och om eleverna arbetar med portfolion efter skolans syfte. Undersökningen syftade också till att studera om en frekvent användning av portfolion påverkar elevernas medvetenhet med portfolioarbetet. Vi har gjort en enkätundersökning med slutna och öppna frågor till elever i år 3 - 6. För att få reda på skolans bakgrund och syfte till portfolioarbetet genomförde vi en intervju med skolans utvecklingsledare. När det gäller portfolioarbetet efter skolans syfte var det lite olika hur det efterföljdes men ser man till helheten så arbetade de flesta klasserna aktivt och målinriktat. Vi kunde se att med stigande ålder så ökade elevernas medvetenhet. Det vi saknade var elevernas reflektion över de insatta arbetena. Vi kunde inte se något samband mellan en frekvent användning av portfolion och en ökad medvetenhet hos eleverna. Vi har funnit att det är reflektionen som är det viktiga när det gäller att få eleverna att utveckla en medvetenhet kring sitt eget lärande.
40

The Role of U.S. Infrastructure Investment in Strategic Asset Allocation

Cahill, Michael A 01 January 2013 (has links)
This paper investigates the role of U.S. infrastructure investments in a multi-asset portfolio, by using monthly return data for eight different asset classes from the period December 2002 to March 2013. Applying mean variance, as well as mean-downside risk, optimization models, I show that U.S. infrastructure plays an important role in delivering better risk/return trade-offs than more traditional portfolios. Infrastructure proves to be most beneficial to moderate-risk portfolios where the standard deviation ranges from 2% to 6% and the maximum allocation to infrastructure is 65.49%. Additionally, I show that infrastructure is more attractive to investors who are averse to variance, rather than downside risk.

Page generated in 0.029 seconds