Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Application of Stochastic Dominance in Stock Preselection

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F17%3A10236535" target="_blank" >RIV/61989100:27510/17:10236535 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Application of Stochastic Dominance in Stock Preselection

  • Popis výsledku v původním jazyce

    In the paper, we propose to apply stochastic dominance approach as a tool for stock preselection. In the empirical part, we utilize the stock market data, more concretely two datasets consisting of components from two indices: Dow Jones Industrial Average and Standard &amp; Poor’s 500. We compare the out-of-sample performance of the stochastic dominance preselection approach to the performance of rather naive strategy to invest equal fraction of available funds into each stock (1/n strategy). We found out that by applying the first order stochastic dominance we obtain similar results as in the case of 1/n strategy – there is neither significant reduction of the number of preselected stocks nor the difference in return, maximum drawdown or Sharpe ratio. For higher order stochastic dominances there is a significant reduction of preselected stocks quantities and the reduction is greater for larger dataset. However, except DJIA dataset in the case of daily portfolio rebalancing, there is no significant improvement of the performance compared to 1/n strategy – lower drawdowns are compensated by lower returns.

  • Název v anglickém jazyce

    Application of Stochastic Dominance in Stock Preselection

  • Popis výsledku anglicky

    In the paper, we propose to apply stochastic dominance approach as a tool for stock preselection. In the empirical part, we utilize the stock market data, more concretely two datasets consisting of components from two indices: Dow Jones Industrial Average and Standard &amp; Poor’s 500. We compare the out-of-sample performance of the stochastic dominance preselection approach to the performance of rather naive strategy to invest equal fraction of available funds into each stock (1/n strategy). We found out that by applying the first order stochastic dominance we obtain similar results as in the case of 1/n strategy – there is neither significant reduction of the number of preselected stocks nor the difference in return, maximum drawdown or Sharpe ratio. For higher order stochastic dominances there is a significant reduction of preselected stocks quantities and the reduction is greater for larger dataset. However, except DJIA dataset in the case of daily portfolio rebalancing, there is no significant improvement of the performance compared to 1/n strategy – lower drawdowns are compensated by lower returns.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    50206 - Finance

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA15-23699S" target="_blank" >GA15-23699S: RPF a OT aplikovaná na mezinárodních finančních trzích a problému výběru portfolio</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Liberec Economic Forum 2017: proceedings of the 13th international conference : 11th-13th September 2017, Liberec, Czech Republic, EU

  • ISBN

    978-80-7494-349-2

  • ISSN

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    7

  • Strana od-do

    340-346

  • Název nakladatele

    Technical University of Liberec

  • Místo vydání

    Liberec

  • Místo konání akce

    Liberec

  • Datum konání akce

    11. 9. 2017

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku

    000426486500038