Portfolio rebalancing has become a popular tool for institutional investors the last decade. Adaptive asset allocation, an approach suggest by William Sharpe is a new approach to portfolio rebalancing taking market capitalization of asset classes into consideration when setting the normal portfolio and adapting it to a risk profile. The purpose of this thesis is to evaluate the traditional approach of portfolio rebalancing with the adaptive one. The comparison will consist of backtesting and two simulation methods which will be compared computationally measuring time and memory usage (Monte Carlo and Latin Hypercube Sampling). The comparison was done in Excel and in R respectively. It was found that both of the asset allocation approaches gave similar result in terms of the relevant risk measurements mentioned but that the traditional was a cheaper and easier alternative to implement and therefore might be more preferable over the adaptive approach from a practical perspective. The sampling methods were found to have no difference in memory usage but Monte Carlo sampling had around 50% less average running time while at the same time being easier to implement. / Portfölj rebalansering har blivit ett populärt verktyg för institutionella investerare det senaste årtiondet . Adaptiv tillgångsallokering, en taktik föreslagen av William Sharpe är en typ av rebalansering där hänsyn tas till marknadsvärdet av tillgångsklasserna samtidigt som man anpassar det efter en riskprofil. Syftet med detta arbete är att evaluera den traditionella strategin kontra den adaptiva strategin där jämförelsen kommer bestå av backtesting (tillämpa strategin på historisk data) samt två simulationsmetoder(Monte Carlo och LHS). Simulationernas implementering kommer jämföras med avseende på tid och minnesanvändning. Jämförelserna gjordes i Excel och i R respektivt. Resultatet av studien visar att att båda strategierna gav liknande resultat med avseende på de riskmått som finns med men att den traditionella strategin var billigare och enklare att implementera och kan därför vara den strategi att föredra från ett praktiskt perspektiv. Simulationsmetoderna visade ingen skillnad i minnesanvänding men däremot att Monte Carlo var både lättare att implementera samt hade ca 50% mindre körtid i genomsnitt.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-273420 |
Date | January 2020 |
Creators | Sultani, Rawand |
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-SCI-GRU ; 2020:047 |
Page generated in 0.0024 seconds