Performance comparison of multifractal techniques and artificial neural networks in the construction of investment portfolios
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F23%3A43923360" target="_blank" >RIV/62156489:43110/23:43923360 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1016/j.frl.2023.103814" target="_blank" >https://doi.org/10.1016/j.frl.2023.103814</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.frl.2023.103814" target="_blank" >10.1016/j.frl.2023.103814</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Performance comparison of multifractal techniques and artificial neural networks in the construction of investment portfolios
Popis výsledku v původním jazyce
This work aims to compare the performance of the traditional portfolios of the S&P500, Markowitz, and Sharpe with the multifractal trend fluctuation portfolios (MF-DFA) and portfolios of artificial neural networks with Student's asymmetric probability classification (ANN-t). In this study, we use daily data for S&P500 stocks between January 18, 2018, and July 12, 2022, where we backtest return and risk metrics such as annual volatility, Value at Risk, Sharpe Ratio, Sortino Ratio, Beta, and Jensen's Alpha. For both return and risk, we obtain the results confirming that the ANN-t technique might indicate better investment entries, which contradicts the Efficient Market Hypothesis (EMH).
Název v anglickém jazyce
Performance comparison of multifractal techniques and artificial neural networks in the construction of investment portfolios
Popis výsledku anglicky
This work aims to compare the performance of the traditional portfolios of the S&P500, Markowitz, and Sharpe with the multifractal trend fluctuation portfolios (MF-DFA) and portfolios of artificial neural networks with Student's asymmetric probability classification (ANN-t). In this study, we use daily data for S&P500 stocks between January 18, 2018, and July 12, 2022, where we backtest return and risk metrics such as annual volatility, Value at Risk, Sharpe Ratio, Sortino Ratio, Beta, and Jensen's Alpha. For both return and risk, we obtain the results confirming that the ANN-t technique might indicate better investment entries, which contradicts the Efficient Market Hypothesis (EMH).
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
50206 - Finance
Návaznosti výsledku
Projekt
<a href="/cs/project/GA22-34451S" target="_blank" >GA22-34451S: Nové metody v oceňování vládního dluhu: nejistota a hospodářsko-politické implikace</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Finance Research Letters
ISSN
1544-6123
e-ISSN
1544-6131
Svazek periodika
55
Číslo periodika v rámci svazku
July
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
7
Strana od-do
103814
Kód UT WoS článku
001060836200001
EID výsledku v databázi Scopus
2-s2.0-85153328042