Effect of Factor Numbers in the Approximation of Returns on Portfolio Performance

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F23%3A10253140" target="_blank" >RIV/61989100:27510/23:10253140 - isvavai.cz</a>

Výsledek na webu

<a href="https://mme2023.vse.cz/mme_2023_proceedings.pdf" target="_blank" >https://mme2023.vse.cz/mme_2023_proceedings.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Effect of Factor Numbers in the Approximation of Returns on Portfolio Performance

Popis výsledku v původním jazyce

Many strategies for setting the number of factors even simple or advanced have been implemented in a returns approximation process. Thus, in this contribution, the objective of this contribution is to analyse the effect of two simple strategies for determining an appropriate number of factors obtained from the principal component analysis (PCA) on the performance of the portfolio. Moreover, we also analyse the impact of the application of several dependency matrices to PCA. To approximate the return series, this study employs a nonparametric regression model based on conditional expectations and kernel estimator. The effect on the constructed portfolio is shown employing a portfolio model that maximizes the Sharpe ratio. Furthermore, different time periods of US stock market data are considered.

Název v anglickém jazyce

Effect of Factor Numbers in the Approximation of Returns on Portfolio Performance

Popis výsledku anglicky

Many strategies for setting the number of factors even simple or advanced have been implemented in a returns approximation process. Thus, in this contribution, the objective of this contribution is to analyse the effect of two simple strategies for determining an appropriate number of factors obtained from the principal component analysis (PCA) on the performance of the portfolio. Moreover, we also analyse the impact of the application of several dependency matrices to PCA. To approximate the return series, this study employs a nonparametric regression model based on conditional expectations and kernel estimator. The effect on the constructed portfolio is shown employing a portfolio model that maximizes the Sharpe ratio. Furthermore, different time periods of US stock market data are considered.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50206 - Finance

Projekt

<a href="/cs/project/GA20-16764S" target="_blank" >GA20-16764S: Zobecněný přístup ke stochastické dominanci: teorie a finanční aplikace</a><br>

Návaznosti

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

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

MME 2023 : Proceedings of the 41st International Conference on Mathematical Methods in Economics : September 13–15, 2023, Prague, Czech Republic

ISBN

978-80-11-04132-8

ISSN

2788-3965

e-ISSN

—

Počet stran výsledku

6

Strana od-do

314-319

Název nakladatele

Czech Society for Operations Research

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

13. 9. 2023

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

001551108000052