In this thesis various portfolio weighting strategies are tested. Their performance is determined by their average annual return, Sharpe ratio, tracking error, information ratio and annual standard deviation. The data used is provided by Öhman from Bloomberg and consists of monthly data between 1996-2016 of all stocks that were in the MSCI USA Index at any time between 2002-2016.For any given month we use the last five years of data as a basis for the analysis. Each time the MSCI USA Index changes portfolio constituents we update which constituents are in our portfolio. The traditional weighting strategies used in this thesis are market capitalization, equal, risk-adjusted alpha, fundamental and minimum variance weighting. On top of that, the weighting strategies are used in a cluster framework where the clusters are constructed by using K-means clustering on the stocks each month. The clusters are assigned equal weight and then the traditional weighting strategies are applied within each cluster. Additionally, a GARCH-estimated covariance matrix of the clusters is used to determine the minimum variance optimized weights of the clusters where the constituents within each cluster are equally weighted. We conclude in this thesis that the market capitalization weighting strategy is the one that earns the least of all traditional strategies. From the results we can conclude that there are weighting strategies with higher Sharpe ratio and lower standard deviation. The risk-adjusted alpha in a traditional framework performed best out of all strategies. All cluster weighting strategies with the exception of risk-adjusted alpha outperform their traditional counterpart in terms of return. / I denna rapport prövas olika viktningsstrategier med målet att prestera bättre i termer av genomsnittlig årlig avkastning, Sharpekvot, aktiv risk, informationskvot och årlig standardavvikelse än det marknadsviktade MSCI USA Index. Rapporten är skriven i samarbete med Öhman och data som används kommer från Bloomberg och består av månadsvis data mellan 1996-2016 av alla aktier som var i MSCI USA Index vid någon tidpunkt mellan 2002-2016. För en given månad används senaste fem åren av historisk data för vår analys. Varje gång som MSCI USA Index ändrar portföljsammansättning så uppdaterar vi vilka värdepapper som ingår i vår portfölj. De traditionella viktningsstrategierna som används i denna avhandling är marknadviktat, likaviktat,risk-justerad alpha viktat, fundamental viktat och minsta varians viktat. De klusterviktade strategierna som används i denna avhandling är konstruerade genom att använda K-medel klustring på aktierna varje månad, tilldela lika vikt till varje kluster och sedan använda traditionella viktningsstrategier inom varje kluster. Dessutom används en GARCH skattad kovariansmatris av klustrena för att bestämma minsta varians optimerade vikter för varje kluster där varje aktie inom alla kluster är likaviktade. Vi konstaterar i detta arbete att den marknadsviktade strategin har lägst avkastning av alla viktningsmetoder. Från resultaten kan vi konstatera att det _nns viktningsmetoder med högre Sharpekvot och lägre standardavvikelse. Risk-justerad alpha viktning använt på traditionellt vis är den strategi som presterar bäst av alla metoder. Alla klusterviktade strategier med undantag av risk-justerad alpha viktning presterar bättre än deras traditionella motsvarighet i termer av avkastning.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-209258 |
| Date | January 2017 |
| Creators | Boman, Trotte, Jangenstål, Samuel |
| Publisher | KTH, Matematisk statistik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-MAT-E ; 2017:37 |
Page generated in 0.0151 seconds