Dagens tema: Middelværdi/varians-optimale porteføljer

Relaterede dokumenter
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI. 4 timers skriftlig eksamen, mandag 1/

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI

Planen idag. Fin1 (mandag 16/2 2009) 1

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI. 4 timers skriftlig eksamen, 9-13 torsdag 6/

22. maj Investering og finansiering Ugeseddel nr. 15. Nogle eksamensopgaver:

Grinblatt & Titman kap. 5. Afdeling for Virksomhedsledelse, Aarhus Universitet Esben Kolind Laustrup

Institut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med

Module 1: Lineære modeller og lineær algebra

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Antag X 1, X 2,..., X n er n uafhængige stokastiske variable, hvor Var(X 1 )=σ 2 1,..., Var(X n )=σ 2 n.

Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen

MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som

Landmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Produkt og marked - matematiske og statistiske metoder

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

Note om endelige legemer

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Fejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)

Vi sætter. (Signal støj- forhold) Poul Thyregod, 25. april Specialkursus vid.stat. foraar Lad Y i angiver observationer fra i te udtagne balle.

Note om Monte Carlo metoden

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2

Tema. Dagens tema: Indfør centrale statistiske begreber.

8 Regulære flader i R 3

Reeksamen 2014/2015 Mål- og integralteori

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Statistik og Sandsynlighedsregning 2

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Statistisk Model

Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke.

OM RISIKO. Kender du muligheder og risici ved investering?

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

Analytisk geometri. Et simpelt eksempel på dette er en ret linje. Som bekendt kan en ret linje skrives på formen

3 Stokastiske variable 3.1 Diskrete variable

GEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )

Kvantitative Metoder 1 - Forår Dagens program

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

EKSAMEN Flerdimensional Analyse Sommer sider

Landmålingens fejlteori - Lektion 5 - Fejlforplantning

Betingede sandsynligheder Aase D. Madsen

Oversigt [LA] 1, 2, 3, [S] 9.1-3

Kapitel 4 Sandsynlighed og statistiske modeller

Rettevejledning til 1. obligatoriske opgave Beslutninger og strategi

Lineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede

Eksamen 2014/2015 Mål- og integralteori

hvor a og b er konstanter. Ved middelværdidannelse fås videre

Økonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006

Lineær Algebra F08, MØ

Fortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.

Tænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.

Motivation. Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser

Dynamiske Porteføljevalg

Kursusgang 3 Matrixalgebra Repetition

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse

Transformationsgeometri: Inversion. Kirsten Rosenkilde, august Inversion

Kvantitative Metoder 1 - Forår Dagens program

Det naturvidenskabelige fakultet Vintereksamen 1997/98 Matematisk-økonomisk kandidateksamen Fag: Driftsøkonomi 2

Kvantitative Metoder 1 - Efterår Dagens program

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

Det naturvidenskabelige fakultet Vintereksamen 96/97 Matematisk-økonomisk kandidateksamen Fag: Driftsøkonomi 2

I dag. Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik (SaSt) Eksempel: kobbertråd

standard normalfordelingen på R 2.

Om hypoteseprøvning (1)

Ensidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Løsning eksamen d. 15. december 2008

Substitutions- og indkomsteffekt ved prisændringer

Investerings- og finansieringsteori, F04, ugeseddel 7

Anvendt Statistik Lektion 7. Simpel Lineær Regression

1 Hb SS Hb Sβ Hb SC = , (s = )

Vinkelrette linjer. Frank Villa. 4. november 2014

Additionsformlerne. Frank Villa. 19. august 2012

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25

Analytisk plangeometri 1

t-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program ( ): 1. repetition: fordeling af observatorer X, S 2 og t.

Normalfordelingen og Stikprøvefordelinger

6.1 Reelle Indre Produkter

Indføring i de nyeste modeller for dynamisk asset allocation

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

INSTITUT FOR MATEMATISKE FAG c

Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.

Nøgleord og begreber. Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.

Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19

Løsning til eksamen d.27 Maj 2010

Elementær sandsynlighedsregning

Module 3: Statistiske modeller

Hvor: D = forventet udbytte. k = afkastkrav. G = Vækstrate i udbytte

Transkript:

Dagens tema: Middelværdi/varians-optimale porteføljer Geometrien; frihåndstegninger. Et eksempel; 2004 opg. 3 med samt julelege. Tre sætninger: - To-fondsseparation (Prop. 30); fond (fund) bruges blot som et andet ord for (en bestemt) portefølje. - Ortogonalitetslemmma (Prop. 3) - Kovariansrepræsentation af forventede afkast (Prop. 32); næsten CAPM Matematisk set blot omskrivninger af førsteordensbetingelser for middelværdi/varians-optimalitet, men interessante økonomiske fortolkninger. RP (IMF) Finansiering 8. februar 2009 / 26

Middelværdi/varians-analyse på slide Problemet: min w w Σw under bibetingelserne: w µ = µ P w =. Løsningen: hvor A = ŵ = Σ [ µ ] A [ µp [ µ Σ µ µ Σ µ Σ Σ ] =: ] [ a b b c Denne portefølje kaldes for minimum-varians-porteføljen hørende til µ P. Den mindst mulige varians er σ 2 P := cµ2 P 2µ Pb + a ac b 2. RP (IMF) Finansiering 8. februar 2009 2 / 26 ].

Geometrien: Den efficiente rand Samenhørende par af minimum-varians-porteføljers afkastrates middelværdi og varians. Global minimum-varians porteføljer; gmv. Effficent rand: Dem over gmv. Hele kurven: Kritisk rand. (Men jeg er ikke lingvistisk pedantisk.) Småting: Af historiske årsager ombyttede akser. Mest behageligt at regne på σ 2 P som funtion af µ P. Parabel i (σ 2 P,µ P)-rum; hyperbel i (σ P,µ P )-rum. Det er ikke porteføljer, vi tegner. RP (IMF) Finansiering 8. februar 2009 3 / 26

Sommer 2004, opgave 3 Betragt en porteføljevalgsmodel med 3 usikre aktiver (aktier, numereret, 2 og 3), hvis afkastrater har forventede værdier (µ) og kovarianser (Σ) givet ved: µ = 0.05 0.07 0.0, Σ = 0.04 0.0 0.03 0.0 0.09 0.04 0.03 0.04 0.6 I første omgang antages modellen ikke at have et risikofrit aktiv.. RP (IMF) Finansiering 8. februar 2009 4 / 26

Spg. 3.a [0%] Bestem den efficiente rand ( the efficient frontier ) og vægtene for porteføljerne på denne, de (middelværdi/varians-)efficiente porteføljer. Illustrer grafisk. Det kan være nyttigt at kende disse to matricer: [ ] A = [µ ] Σ 0.378.7335 [µ ] =.7335 3.435 og Σ [µ ]A = 2.92.9402 3.872 0.09960 8.725.0398. RP (IMF) Finansiering 8. februar 2009 5 / 26

Idet a, b og c er vores sædvanlige navngivning af indgangene i A-matricen, så er den kritiske rand er bestemt ved σ 2 P = a 2bµ P + cµ 2 P ac b 2 = 0.990 6.0637 µ P + 54.98 µ 2 P, og porteføljevægtene for minimum-varians-proteføljerne er givet ved ( ) x P = Σ [µ ]A µp Den globale minimum-varians portefølje har en forventet afkastrate på b/c = 0.0554 og en varians på /c = 0.038, og således en standardafvigelse på 0.038 = 0.784. RP (IMF) Finansiering 8. februar 2009 6 / 26

De efficiente porteføljer er de minimum-varians porteføljer, hvis forventede afkastrate ligger over afkastraten på den globale minimum-varians portefølje. I figuren kan man se den efficiente rand tegnet i (standardafvigelse, forventet afkast)-rummet (hvor der er en hyperbel). Efficiente rande forventet pf afkastrate 0.00 0.05 0.0 0.5 : Eff. rand uden risikofrit aktiv (Spg. 3.a) : Eff. rand med risikofrit aktiv (Spg. 3.c) 0.0 0. 0.2 0.3 0.4 0.5 0.6 0.7 standardafvigelse af pf afklastrate RP (IMF) Finansiering 8. februar 2009 7 / 26

Spg. 3.b [5%] Betragt en portefølje givet ved vægtene x G = (/2,/2,0). Find dens forventede afkastrate og afkastratens varians og standardafvigelse. Er x G efficient? Svar. 3.b Forventet afkastrate og standardafvigelse (når vi omdefinerer x G til en søjlevektor, hvis vi er meget pedantiske) er µ G = µ x G = 0.06 og σ G = xg Σx G = 0.936. Den efficiente portefølje med forventet afkastrate 0.06 har en standardafvigelse på 0.820. Så nej, x G er ikke efficient. RP (IMF) Finansiering 8. februar 2009 8 / 26

Spg. 3.d [0%] Er nedenstående udsagn sande eller falske? (Eller kanske noget helt andet, fx ikke til at afgøre på det foreliggende grundlag, eller meningsløse.) Enhver konveks kombination af to eller flere efficiente porteføjler er efficient. Enhver konveks kombination af to eller flere inefficiente porteføjler er inefficient. (En konveks kombination af vektorerne x,...,x n er som bekendt en vektor af formen n i= α ix i, hvor α i erne er positive relle tal, hvis sum er.) RP (IMF) Finansiering 8. februar 2009 9 / 26

Første udsagn er sandt vi beviser det starks. Andet udsagn er falskt. (Bemærk: Der står enhver.) Selvfølgelig findes der konvekse kombinationer af inefficiente porteføljer, der er efficiente. Alle porteføljer (specielt de efficiente) laves jo ud fra enkeltaktiverne, der (typisk) er inefficiente. Konveksiteten kunne man evt. bekymre sig om, for hva nu hvis der slet ikke findes efficiente porteføljer med positive vægte i enkeltaktiverne? Og er enkeltaktiverne inefficiente? - Lav (mod)eksempel med tallene i opgaven. - Tae nk på en model med n uafhængige, identiske aktiver; her har den globale minimum-varians-portefølje /n i hver. RP (IMF) Finansiering 8. februar 2009 0 / 26

Proposition 30: To-fondsseparation Lad w a og w b være minimum-varians-porteføljer med forventede afkastrater µ a og µ b med µ a µ b. Da gælder at: En vilkårlig vektor w c af porteføljevægte er en minimum-varians-portefølje hvis og kun hvis der findes α R så w c = αw a + ( α)w b. 2 Hvis w a og w b begge er efficiente porteføljer, så er αw a + ( α)w b også en efficient portefølje for 0 α. Bevis: Husk: en vektor af porteføljevægte w er en minimum-varians-portefølje hvis og kun hvis w = Σ [ µ ] A [ µp ]. () RP (IMF) Finansiering 8. februar 2009 / 26

Ad (i): kun hvis Lad w c være en minimum-varians-portefølje med forventet afkastrate µ c, og lad α være løsning til µ c = αµ a + ( α)µ b, dvs. α = µ c µ b µ a µ b (α er veldefineret da µ a µ b ). RP (IMF) Finansiering 8. februar 2009 2 / 26

Da w a og w b begge er minimum-varians-porteføljer har vi iflg. (): w c = Σ [ µ ] [ ] A µc = Σ [ µ ] [ ] A αµa + ( α)µ b = ασ [ µ ] [ ] A µa + ( α)σ [ µ ] [ ] A µb = αw a + ( α)w b. RP (IMF) Finansiering 8. februar 2009 3 / 26

Ad (i): hvis Hvis w c er en portefølje med forventet afkastrate µ c og w c har formen w c = αw a + ( α)w b for et α R, så er µ c = E(wc r) = E ( αw a + ( α)wb ) = αe(wa r) + ( α)e(wb r) = αµ a + ( α)µ b RP (IMF) Finansiering 8. februar 2009 4 / 26

og dermed w c = αw a + ( α)w b = ασ [ µ ] A [ µa ] + ( α)σ [ µ ] A [ µb ] (iflg. () da w a og w b begge er minimum-varians-porteføljer) = Σ [ µ ] A [ αµa + ( α)µ b ] = Σ [ µ ] A [ µc ] så w c er en minimum-varians-portefølje iflg. (). RP (IMF) Finansiering 8. februar 2009 5 / 26

To-fondsseparation resultatet siger, at en investor (der formodes at ville investere i en efficient portefølje) kun har behov for at kunne handle to typer af porteføljer, og det er ligegyldigt hvilke to det er, så længe de begge to er efficiente porteføljer. Hvis vi derfor kan finde to sådanne porteføljer, som rent faktisk kan handles i markedet, så er det i praksis muligt for en investor at ligge på den efficiente rand uden selv at skulle handle i alle n aktiver i markedet. Specielt bliver det således principielt overflødigt at handle individuelle aktiver. To-fondsseparation har stor betydning som fundament for CAPM-modellen, som vi skal se på næste gang. RP (IMF) Finansiering 8. februar 2009 6 / 26

To vektorer af porteføljevægte w og w kaldes ortogonale hvis deres afkastrater har kovarians 0, dvs. hvis wσ w = 0. ( Ortogonal fordi Σ definerer et indre produkt mht. hvilket...) RP (IMF) Finansiering 8. februar 2009 7 / 26

Proposition 3: Ortogonalitetslemma Til enhver minimum-varians-portefølje w mv w gmv findes en entydigt bestemt ortogonal minimum-varians-portefølje w zmv. Hvis w mv har forventet afkastrate µ mv, så har w zmv forventet afkastrate µ zmv = a bµ mv b cµ mv, hvor a,b,c som sædvanlig er de tre indgange i matricen A. RP (IMF) Finansiering 8. februar 2009 8 / 26

Bevis: (Basalt set: Regn efter!) En minimum-varians-portefølje w zmv ortogonal med w mv opfylder ( 0 = wmv Σw zmv = Σ [ µ ] [ ]) A µmv ΣΣ [ µ ] [ A µzmv = [ µ mv ] [ ] A µ Σ [ µ ] [ ] A µzmv }{{} =A = [ µ mv ] [ ] A µzmv = [ µ mv ] [ c b ac b 2 b a = (µ mvc b)µ zmv µ mv b + a ac b 2 ] [ µzmv ] ] RP (IMF) Finansiering 8. februar 2009 9 / 26

Så w zmv og w mv er ortogonale netop hvis (µ mv c b)µ zmv µ mv b + a = 0 µ zmv = a bµ mv b cµ mv. Dvs. der findes netop en minimum-varians-portefølje, der er ortogonal med w mv, og denne portefølje har forventet afkastrate a bµ mv b cµ mv. RP (IMF) Finansiering 8. februar 2009 20 / 26

Proposition 32: Kovariansrepræsentation of forventede afkast Lad w mv w gmv være en minimum-varians-portefølje med forventet afkastrate µ mv og varians σ 2 mv. Lad endvidere w zmv være den tilhørende ortogonale minimum-varians-portefølje med forventet afkastrate µ zmv. Da gælder for en vilkårlig vektor w P af porteføljevægte med forventet afkastrate µ P at hvor µ P µ zmv = β P,mv (µ mv µ zmv ) β P,mv = Cov( wp r, w mv r) σmv 2. RP (IMF) Finansiering 8. februar 2009 2 / 26

Bevis: Fordi w mv er en minimum-varians-portefølje med forventet afkastrate µ mv, så er w mv = Σ [ µ ] [ ] A µmv, og for en vilkårlig portefølje w P med forventet afkastrate µ P gælder at Cov ( wp r, w mvr ) = wp Σw mv = wp ΣΣ [ µ ] [ ] A µmv = [ [ ] wp µ w P ] A µmv = [ [ ] wp µ ] A µmv (idet w mv er pf. vægte) (2) = [ µ P ] [ ] A µmv. RP (IMF) Finansiering 8. februar 2009 22 / 26

Hvis vi specielt vælger w P = w zmv, så er (per definition af w zmv ) 0 = Cov ( wzmvr, wmvr ) = [ µ zmv ] [ ] A µmv og dermed for en vilkårlig portefølje w P ifølge (2) Cov(w P r, w mvr) = [ µ P ] A [ µmv ] [ µ zmv ] [ ] A µmv }{{} = [ µ P µ zmv 0 ] [ ] A µmv = [ µ P µ zmv 0 ] [ c b ac b 2 b a =0 ][ µmv = (µ P µ zmv ) cµ mv b ac b 2. (3) ] RP (IMF) Finansiering 8. februar 2009 23 / 26

Hvis vi specielt vælger w P = w mv, så er dvs. σ 2 mv = Cov(w mvr, w mvr) = (µ mv µ zmv ) cµ mv b ac b 2 cµ mv b ac b 2 = σ 2 mv µ mv µ zmv og dermed for en vilkårlig portefølje ifølge (3) σ 2 mv Cov(wP r, w mvr) = (µ P µ zmv ) cµ mv b ac b 2 = (µ P µ zmv ) µ mv µ zmv hvilket giver os det ønskede. RP (IMF) Finansiering 8. februar 2009 24 / 26

Hvis vi fikserer en bestemt minimum-varians-portefølje w mv og bruger dens ortogonale minimum-varians-portefølje som udgangspunkt (benchmark) for måling af afkast, så kan vi altså udtrykke det forventede merafkast for en vilkårlig portefølje w P µ P µ zmv vha. minimum-varians-porteføljen og dens tilhørende ortogonale minimum-variansportefølje. RP (IMF) Finansiering 8. februar 2009 25 / 26

Hvorfor kunne det tænkes at være interessant? Hvis vi nu kan finde en minimum-varians-portefølje, der virker rimelig at bruge som benchmark og som vi kan observere i praksis, så har vi hermed fundet en sammenhæng mellem afkastrater (og dermed priser) på alle aktiver i økonomien! RP (IMF) Finansiering 8. februar 2009 26 / 26