Wykorzystanie semiwariancji do budowy portfela fundamentalnego
Anna Rutkowska-Ziarko
Katedra Metod Ilościowych, Uniwersytet Warmińsko-Mazurski w OlsztynieAbstrakt
W modelu budowy portfela fundamentalnego bazującym na klasycznym modelu Markowitza za miarę ryzyka najczęściej przyjmuje się wariancję. Jednak pewną wadą wariancji jako miary ryzyka jest jednakowe traktowanie dodatnich i ujemnych odchyleń względem oczekiwanej stopy zwrotu. Do mierzenia tylko odchyleń ujemnych Markowitz zdefiniował semiwariancję. Znalezienie portfela fundamentalnego o minimalnej semiwariancji nie jest możliwe z wykorzystaniem istniejących metod. Celem artykułu jest zaproponowanie i zweryfikowanie metody pozwalającej na znalezienie portfela fundamentalnego o minimalnej semiwariancji. Dla każdego analizowanego przedsiębiorstwa wyznaczono wskaźnik syntetyczny, opisujący jego sytuację ekonomiczno-finansową. Zaproponowano metodę budowy portfela fundamentalnego o minimalnej semiwariancji. Przeanalizowano różnice między portfelami fundamentalnymi o minimalnej semiwariancji a portfelami o minimalnej wariancji na przykładzie spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie.
Słowa kluczowe:
model Markowitza, portfel fundamentalny, semiwariancja, odległość MahalanobisaBibliografia
Balicki A. 2009. Statystyczna analiza wielowymiarowa i jej zastosowania społeczno- ekonomiczne. Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.
Basu S. 1977. Investment performance of common stocks In relation to their price-earnings ratios: a test of the efficient market hypothesis. Journal of Finance, 3: 663- 682
Galagedera U.A., Brooks R.D. 2007. Is co-skewness a better measure of risk in the downside than downside beta? Evidence in emerging market data. Journal of Multinational Financial Management, 17: 214-230.
Harlow W.V., Rao R.K.S. 1989. Asset pricing in a generalized mean-lower partial moment framework: theory and evidence. Journal of Financial and Quantitative Analysis, 24: 285-311.
Hellwig Z. 1968. Zastosowanie metody taksonomicznej do typologicznego podziału krajów ze względu na poziom ich rozwoju oraz zasoby i strukturę wykwalifikowanych kadr. Przegląd Statystyczny, 4: 323-326.
Elton E.J., Gruber M.J. 1998. Nowoczesna teoria portfelowa i analiza papierów wartościowych. WIG PRESS.
Łuniewska M. 2005. Evaluation of Selected Methods of Classification for the Warsaw Stock Exchange. International Advances in Economic Research, 11: 469-481.
Mandelbrot B., Fisher A., Calvet L. 1997. A Multifractal Model of Asset Returns. Working Papers-Yale School of Management's Economics Research Network, 1997: 1-33.
Mahalanobis P.C. 1936. On the Generalized Distance in Statistics. Proceedings of the National Institute of Science. India, 12: 49-55.
Markowitz H. 1952. Portfolio selection. Journal of Finance, 7: 77-91.
Markowitz H. 1959. Portfolio selection: efficient diversification of investments. John Wiley and Sons, New York.
Markowitz H. 1991. Portfolio selection: efficient diversification of investments. Blackwell, Malden, Massachusetts.
Post T., van Vliet P. 2006. Downside risk and asset pricing. Journal of Banking and Finance, 30: 823-849.
Rutkowska-Ziarko A, 2005. Metody znajdowania portfela efektywnego dla semiwariancji. Badania operacyjne i decyzyjne, 3-4: 63- 83.
Rutkowska-Ziarko A. 2007. Wykorzystanie wariancji i semiwariancji do budowy portfela akcji przy normalności rozkładów stóp zwrotu. Przegląd Statystyczny, 4: 105-116.
Rutkowska-Ziarko A. 2011. Alternatywna metoda budowy fundamentalnego portfela papierów wartościowych. Taksonomia 18 - Klasyfikacja i analiza danych - teoria i zastosowania: p. 551-559.
Rutkowska-Ziarko A. 2013. Fundamental portfolio construction based on Mahalanobis distance. Studies in Classification. Data Analysis and Knowledge Organization: in press.
Tarczyński W. 2002. Fundamentalny portfel papierów wartościowych. PWE, Warszawa.
Tarczyński W. 1995. O pewnym sposobie wyznaczania składu portfela papierów wartościowych. Przegląd Statystyczny, 1: 91-106.
Walesiak M., Dudek A. 2010. Finding Groups in Ordinal Data: An Examination of Some Clustering Procedures. Studies in Classification. Data Analysis. and Knowledge Organization. Part 2: p. 185-192.
Katedra Metod Ilościowych, Uniwersytet Warmińsko-Mazurski w Olsztynie
Licencja
Każdy Autor składa oświadczenie, że praca nie była wcześniej publikowana (pod tym samym lub innym tytułem, nie stanowi również części innej publikacji) oraz nie narusza praw autorskich innych osób. Jednocześnie Autor przenosi na wydawcę wyłączne prawo wydania i rozpowszechniania tego utworu drukiem w formie zwartej publikacji czasopisma oraz w formie publikacji elektronicznej.
Czasopismo udostępnione jest na licencji Creative Commons CC-BY-NC-ND
