{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5325160"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5325160","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Αλγοριθμική προσαρμοστική διαχείριση χαρτοφυλακίου σε καθεστώτα αγοράς : υποδείγματα βελτιστοποίησης στον EURO STOXX 50","abstract":"Το διαχρονικό ζήτημα στη διαχείριση χαρτοφυλακίου αφορά στο κατά πόσο μια επενδυτική στρατηγική μπορεί, μέσα από συστηματικές και επιστημονικά τεκμηριωμένες διαδικασίες, να επιτύχει αποδόσεις ανώτερες εκείνων της αγοράς. Το ερώτημα αυτό αποκτά ιδιαίτερη σημασία, όταν εξετασθεί υπό το πρίσμα της θεωρίας της Υπόθεσης των Προσαρμοστικών Αγορών (Adaptive Market Hypothesis), μιας θεωρίας που η σημασία και η συμβολή αναδεικνύονται στα σύγχρονα περιβάλλοντα που χαρακτηρίζονται από μεταβαλλόμενες συσχετίσεις και δομικές αλλαγές, οι οποίες καθιστούν συχνά ανεπαρκείς τις στατικές στρατηγικές. Η παρούσα εργασία προσεγγίζει το πρόβλημα μέσα από μια αυστηρή, πλήρως ex-ante και ιδιαίτερα ρεαλιστική προσομοίωση, η οποία αναπαράγει πιστά τις συνθήκες υπό τις οποίες λαμβάνονται οι επενδυτικές αποφάσεις. Συγκεκριμένα κάθε τρίμηνο η κατανομή του χαρτοφυλακίου προκύπτει αποκλειστικά από τα διαθέσιμα δεδομένα του προηγούμενου δωδεκαμήνου, χωρίς καμιά χρήση μελλοντικής πληροφόρησης. Η διαδικασία αυτή προσομοιώνει έναν πραγματικό διαχειριστή χαρτοφυλακίου που «ζει στο σήμερα», αναλαμβάνει τον αντίστοιχο κίνδυνο και αξιολογείται σε συνεχώς μεταβαλλόμενα περιβάλλοντα αγοράς. Η ανάλυση εστιάζει σε δέκα διακριτές παραλλαγές των υποδειγμάτων Markowitz, Risk Parity και Conditional Value at Risk (CVaR). Παράλληλα, αναπτύσσεται ένα σύστημα ταξινόμησης της αγοράς σε καθεστώτα (market regimes), βασισμένο σε κρίσιμα στατιστικά σήματα, το οποίο υλοποιείται μέσω συγχρόνων μεθόδων Μηχανικής Μάθησης (PCA, K-Means, Gaussian Mixture Models). Η εργασία διερευνά το κατά πόσο τα υποδείγματα βελτιστοποίησης παρουσιάζουν συνεπή μοτίβα συμπεριφοράς ανά καθεστώς και αν είναι εφικτή η ανάπτυξη ενός προσαρμοστικού μηχανισμού που αξιοποιεί αυτές τις σχέσεις. Το προτεινόμενο σύστημα αναλύει το εκάστοτε περιβάλλον και επιλέγει δυναμικά τη μέθοδο με τις υψηλότερες εκτιμώμενες προοπτικές. Τα εμπειρικά ευρήματα είναι εδώ αποκαλυπτικά: η προσαρμοστική στρατηγική επιτυγχάνει σχεδόν τετραπλάσια σωρευτική απόδοση έναντι του δείκτη αναφοράς, βελτιωμένη σχέση απόδοσης-κινδύνου (Sharpe Ratio) και εξαιρετικά ενισχυμένο Δείκτη Ανάκαμψης (Recovery Ratio). Συνεπώς, τα πορίσματα της μελέτης που πραγματοποιήθηκε παρέχουν ισχυρές ενδείξεις ότι η ενσωμάτωση μηχανισμών αναγνώρισης καθεστώτων και προσαρμοστικής βελτιστοποίησης δύναται να αποτελέσει ένα αποτελεσματικό εργαλείο στη δυναμική διαχείριση χαρτοφυλακίου.","abstract_html":"Το διαχρονικό ζήτημα στη διαχείριση χαρτοφυλακίου αφορά στο κατά πόσο μια επενδυτική στρατηγική μπορεί, μέσα από συστηματικές και επιστημονικά τεκμηριωμένες διαδικασίες, να επιτύχει αποδόσεις ανώτερες εκείνων της αγοράς. Το ερώτημα αυτό αποκτά ιδιαίτερη σημασία, όταν εξετασθεί υπό το πρίσμα της θεωρίας της Υπόθεσης των Προσαρμοστικών Αγορών (Adaptive Market Hypothesis), μιας θεωρίας που η σημασία και η συμβολή αναδεικνύονται στα σύγχρονα περιβάλλοντα που χαρακτηρίζονται από μεταβαλλόμενες συσχετίσεις και δομικές αλλαγές, οι οποίες καθιστούν συχνά ανεπαρκείς τις στατικές στρατηγικές. Η παρούσα εργασία προσεγγίζει το πρόβλημα μέσα από μια αυστηρή, πλήρως ex-ante και ιδιαίτερα ρεαλιστική προσομοίωση, η οποία αναπαράγει πιστά τις συνθήκες υπό τις οποίες λαμβάνονται οι επενδυτικές αποφάσεις. Συγκεκριμένα κάθε τρίμηνο η κατανομή του χαρτοφυλακίου προκύπτει αποκλειστικά από τα διαθέσιμα δεδομένα του προηγούμενου δωδεκαμήνου, χωρίς καμιά χρήση μελλοντικής πληροφόρησης. Η διαδικασία αυτή προσομοιώνει έναν πραγματικό διαχειριστή χαρτοφυλακίου που «ζει στο σήμερα», αναλαμβάνει τον αντίστοιχο κίνδυνο και αξιολογείται σε συνεχώς μεταβαλλόμενα περιβάλλοντα αγοράς. Η ανάλυση εστιάζει σε δέκα διακριτές παραλλαγές των υποδειγμάτων Markowitz, Risk Parity και Conditional Value at Risk (CVaR). Παράλληλα, αναπτύσσεται ένα σύστημα ταξινόμησης της αγοράς σε καθεστώτα (market regimes), βασισμένο σε κρίσιμα στατιστικά σήματα, το οποίο υλοποιείται μέσω συγχρόνων μεθόδων Μηχανικής Μάθησης (PCA, K-Means, Gaussian Mixture Models). Η εργασία διερευνά το κατά πόσο τα υποδείγματα βελτιστοποίησης παρουσιάζουν συνεπή μοτίβα συμπεριφοράς ανά καθεστώς και αν είναι εφικτή η ανάπτυξη ενός προσαρμοστικού μηχανισμού που αξιοποιεί αυτές τις σχέσεις. Το προτεινόμενο σύστημα αναλύει το εκάστοτε περιβάλλον και επιλέγει δυναμικά τη μέθοδο με τις υψηλότερες εκτιμώμενες προοπτικές. Τα εμπειρικά ευρήματα είναι εδώ αποκαλυπτικά: η προσαρμοστική στρατηγική επιτυγχάνει σχεδόν τετραπλάσια σωρευτική απόδοση έναντι του δείκτη αναφοράς, βελτιωμένη σχέση απόδοσης-κινδύνου (Sharpe Ratio) και εξαιρετικά ενισχυμένο Δείκτη Ανάκαμψης (Recovery Ratio). Συνεπώς, τα πορίσματα της μελέτης που πραγματοποιήθηκε παρέχουν ισχυρές ενδείξεις ότι η ενσωμάτωση μηχανισμών αναγνώρισης καθεστώτων και προσαρμοστικής βελτιστοποίησης δύναται να αποτελέσει ένα αποτελεσματικό εργαλείο στη δυναμική διαχείριση χαρτοφυλακίου.","abstract_has_math":false,"creators":["ΠΟΛΥΧΡΟΝΗΣ ΙΕΡΟΘΕΟΣ","POLYCHRONIS IEROTHEOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:17:45Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325160"],"render_values":[{"text":"uoadl:5325160","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325160","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325160","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5325160","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΠΟΛΥΧΡΟΝΗΣ ΙΕΡΟΘΕΟΣ","POLYCHRONIS IEROTHEOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325160","https://pergamos.lib.uoa.gr/uoa/dl/object/5325160"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Το διαχρονικό ζήτημα στη διαχείριση χαρτοφυλακίου αφορά στο κατά πόσο μια επενδυτική στρατηγική μπορεί, μέσα από συστηματικές και επιστημονικά τεκμηριωμένες διαδικασίες, να επιτύχει αποδόσεις ανώτερες εκείνων της αγοράς. Το ερώτημα αυτό αποκτά ιδιαίτερη σημασία, όταν εξετασθεί υπό το πρίσμα της θεωρίας της Υπόθεσης των Προσαρμοστικών Αγορών (Adaptive Market Hypothesis), μιας θεωρίας που η σημασία και η συμβολή αναδεικνύονται στα σύγχρονα περιβάλλοντα που χαρακτηρίζονται από μεταβαλλόμενες συσχετίσεις και δομικές αλλαγές, οι οποίες καθιστούν συχνά ανεπαρκείς τις στατικές στρατηγικές. Η παρούσα εργασία προσεγγίζει το πρόβλημα μέσα από μια αυστηρή, πλήρως ex-ante και ιδιαίτερα ρεαλιστική προσομοίωση, η οποία αναπαράγει πιστά τις συνθήκες υπό τις οποίες λαμβάνονται οι επενδυτικές αποφάσεις. Συγκεκριμένα κάθε τρίμηνο η κατανομή του χαρτοφυλακίου προκύπτει αποκλειστικά από τα διαθέσιμα δεδομένα του προηγούμενου δωδεκαμήνου, χωρίς καμιά χρήση μελλοντικής πληροφόρησης. Η διαδικασία αυτή προσομοιώνει έναν πραγματικό διαχειριστή χαρτοφυλακίου που «ζει στο σήμερα», αναλαμβάνει τον αντίστοιχο κίνδυνο και αξιολογείται σε συνεχώς μεταβαλλόμενα περιβάλλοντα αγοράς. Η ανάλυση εστιάζει σε δέκα διακριτές παραλλαγές των υποδειγμάτων Markowitz, Risk Parity και Conditional Value at Risk (CVaR). Παράλληλα, αναπτύσσεται ένα σύστημα ταξινόμησης της αγοράς σε καθεστώτα (market regimes), βασισμένο σε κρίσιμα στατιστικά σήματα, το οποίο υλοποιείται μέσω συγχρόνων μεθόδων Μηχανικής Μάθησης (PCA, K-Means, Gaussian Mixture Models). Η εργασία διερευνά το κατά πόσο τα υποδείγματα βελτιστοποίησης παρουσιάζουν συνεπή μοτίβα συμπεριφοράς ανά καθεστώς και αν είναι εφικτή η ανάπτυξη ενός προσαρμοστικού μηχανισμού που αξιοποιεί αυτές τις σχέσεις. Το προτεινόμενο σύστημα αναλύει το εκάστοτε περιβάλλον και επιλέγει δυναμικά τη μέθοδο με τις υψηλότερες εκτιμώμενες προοπτικές. Τα εμπειρικά ευρήματα είναι εδώ αποκαλυπτικά: η προσαρμοστική στρατηγική επιτυγχάνει σχεδόν τετραπλάσια σωρευτική απόδοση έναντι του δείκτη αναφοράς, βελτιωμένη σχέση απόδοσης-κινδύνου (Sharpe Ratio) και εξαιρετικά ενισχυμένο Δείκτη Ανάκαμψης (Recovery Ratio). Συνεπώς, τα πορίσματα της μελέτης που πραγματοποιήθηκε παρέχουν ισχυρές ενδείξεις ότι η ενσωμάτωση μηχανισμών αναγνώρισης καθεστώτων και προσαρμοστικής βελτιστοποίησης δύναται να αποτελέσει ένα αποτελεσματικό εργαλείο στη δυναμική διαχείριση χαρτοφυλακίου.","The perennial question in portfolio management concerns whether an investment strategy can, through systematic and scientifically grounded processes, achieve returns superior to those of the market. This question gains particular significance under the lens of the Adaptive Markets Hypothesis (AMH), as modern environments are characterized by changing correlations and structural shifts that often render static strategies inadequate. This thesis approaches the problem through a rigorous, fully ex-ante, and highly realistic simulation, faithfully reproducing the conditions under which investment decisions are made. Each quarter, portfolio allocation is derived exclusively from available data of the preceding twelve months, without any use of future information, avoiding look-ahead bias. This process simulates a real-world manager, who “lives in the present”, assumes the corresponding risk, and is evaluated in continuously changing environments. The analysis focuses on ten distinct variants of Markowitz, Risk Parity, and Conditional Value at Risk (CVaR) models. Concurrently, a market regime classification system is developed, based on critical statistical signals and implemented through modern Machine Learning methods (PCA, K-Means, Gaussian Mixture Models). The study examines whether optimization models exhibit consistent behavioral patterns per regime and whether it is feasible to develop an adaptive capital allocation mechanism that exploits these relationships. The proposed system analyzes the current environment and dynamically selects the method with the highest estimated prospects. Empirical findings on the EURO STOXX 50 index (2017-2024) are revealing: the adaptive approach achieves about four times the cumulative return of the benchmark, an improved risk-return relationship, and a significantly enhanced Recovery Ratio. Consequently, the study provides strong evidence that integrating regime recognition mechanisms with adaptive optimization can constitute an effective tool in dynamic portfolio management."]},{"key":"dc:title","label":"Title","values":["Αλγοριθμική προσαρμοστική διαχείριση χαρτοφυλακίου σε καθεστώτα αγοράς : υποδείγματα βελτιστοποίησης στον EURO STOXX 50"]}]}],"canonical_facts":{"dc:creator":["ΠΟΛΥΧΡΟΝΗΣ ΙΕΡΟΘΕΟΣ","POLYCHRONIS IEROTHEOS"],"dc:date":["2026"],"dc:description":["Το διαχρονικό ζήτημα στη διαχείριση χαρτοφυλακίου αφορά στο κατά πόσο μια επενδυτική στρατηγική μπορεί, μέσα από συστηματικές και επιστημονικά τεκμηριωμένες διαδικασίες, να επιτύχει αποδόσεις ανώτερες εκείνων της αγοράς. Το ερώτημα αυτό αποκτά ιδιαίτερη σημασία, όταν εξετασθεί υπό το πρίσμα της θεωρίας της Υπόθεσης των Προσαρμοστικών Αγορών (Adaptive Market Hypothesis), μιας θεωρίας που η σημασία και η συμβολή αναδεικνύονται στα σύγχρονα περιβάλλοντα που χαρακτηρίζονται από μεταβαλλόμενες συσχετίσεις και δομικές αλλαγές, οι οποίες καθιστούν συχνά ανεπαρκείς τις στατικές στρατηγικές. Η παρούσα εργασία προσεγγίζει το πρόβλημα μέσα από μια αυστηρή, πλήρως ex-ante και ιδιαίτερα ρεαλιστική προσομοίωση, η οποία αναπαράγει πιστά τις συνθήκες υπό τις οποίες λαμβάνονται οι επενδυτικές αποφάσεις. Συγκεκριμένα κάθε τρίμηνο η κατανομή του χαρτοφυλακίου προκύπτει αποκλειστικά από τα διαθέσιμα δεδομένα του προηγούμενου δωδεκαμήνου, χωρίς καμιά χρήση μελλοντικής πληροφόρησης. Η διαδικασία αυτή προσομοιώνει έναν πραγματικό διαχειριστή χαρτοφυλακίου που «ζει στο σήμερα», αναλαμβάνει τον αντίστοιχο κίνδυνο και αξιολογείται σε συνεχώς μεταβαλλόμενα περιβάλλοντα αγοράς. Η ανάλυση εστιάζει σε δέκα διακριτές παραλλαγές των υποδειγμάτων Markowitz, Risk Parity και Conditional Value at Risk (CVaR). Παράλληλα, αναπτύσσεται ένα σύστημα ταξινόμησης της αγοράς σε καθεστώτα (market regimes), βασισμένο σε κρίσιμα στατιστικά σήματα, το οποίο υλοποιείται μέσω συγχρόνων μεθόδων Μηχανικής Μάθησης (PCA, K-Means, Gaussian Mixture Models). Η εργασία διερευνά το κατά πόσο τα υποδείγματα βελτιστοποίησης παρουσιάζουν συνεπή μοτίβα συμπεριφοράς ανά καθεστώς και αν είναι εφικτή η ανάπτυξη ενός προσαρμοστικού μηχανισμού που αξιοποιεί αυτές τις σχέσεις. Το προτεινόμενο σύστημα αναλύει το εκάστοτε περιβάλλον και επιλέγει δυναμικά τη μέθοδο με τις υψηλότερες εκτιμώμενες προοπτικές. Τα εμπειρικά ευρήματα είναι εδώ αποκαλυπτικά: η προσαρμοστική στρατηγική επιτυγχάνει σχεδόν τετραπλάσια σωρευτική απόδοση έναντι του δείκτη αναφοράς, βελτιωμένη σχέση απόδοσης-κινδύνου (Sharpe Ratio) και εξαιρετικά ενισχυμένο Δείκτη Ανάκαμψης (Recovery Ratio). Συνεπώς, τα πορίσματα της μελέτης που πραγματοποιήθηκε παρέχουν ισχυρές ενδείξεις ότι η ενσωμάτωση μηχανισμών αναγνώρισης καθεστώτων και προσαρμοστικής βελτιστοποίησης δύναται να αποτελέσει ένα αποτελεσματικό εργαλείο στη δυναμική διαχείριση χαρτοφυλακίου.","The perennial question in portfolio management concerns whether an investment strategy can, through systematic and scientifically grounded processes, achieve returns superior to those of the market. This question gains particular significance under the lens of the Adaptive Markets Hypothesis (AMH), as modern environments are characterized by changing correlations and structural shifts that often render static strategies inadequate. This thesis approaches the problem through a rigorous, fully ex-ante, and highly realistic simulation, faithfully reproducing the conditions under which investment decisions are made. Each quarter, portfolio allocation is derived exclusively from available data of the preceding twelve months, without any use of future information, avoiding look-ahead bias. This process simulates a real-world manager, who “lives in the present”, assumes the corresponding risk, and is evaluated in continuously changing environments. The analysis focuses on ten distinct variants of Markowitz, Risk Parity, and Conditional Value at Risk (CVaR) models. Concurrently, a market regime classification system is developed, based on critical statistical signals and implemented through modern Machine Learning methods (PCA, K-Means, Gaussian Mixture Models). The study examines whether optimization models exhibit consistent behavioral patterns per regime and whether it is feasible to develop an adaptive capital allocation mechanism that exploits these relationships. The proposed system analyzes the current environment and dynamically selects the method with the highest estimated prospects. Empirical findings on the EURO STOXX 50 index (2017-2024) are revealing: the adaptive approach achieves about four times the cumulative return of the benchmark, an improved risk-return relationship, and a significantly enhanced Recovery Ratio. Consequently, the study provides strong evidence that integrating regime recognition mechanisms with adaptive optimization can constitute an effective tool in dynamic portfolio management."],"dc:identifier":["uoadl:5325160","https://pergamos.lib.uoa.gr/uoa/dl/object/5325160"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Αλγοριθμική προσαρμοστική διαχείριση χαρτοφυλακίου σε καθεστώτα αγοράς : υποδείγματα βελτιστοποίησης στον EURO STOXX 50"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:17:45Z"}