Befektetési portfólió optimalizáló eljárások vizsgálata

Absztrakt (kivonat)

A tőzsdei kereskedésről sokaknak a sok pénz és a csillogás az első, ami az eszébe jut. Valóban hatalmas pénzek forognak az értékpapír és részvénypiacokon, amiből a kereskedők és befektetők is bőven részesülnek. De azt is tudjuk, hogy nincs egyszerű lehetőség a meggazdagodásra, szóval ahol pénz van, ott kockázat is, és ahol siker sztorik vannak, ott rengeteg csőd is. Bár az árfolyamok kiszámíthatatlannak tűnnek, és a rendszer összetett és véletlen, a részvénypiac mégis modellezhető, és ezek a modellek sokat segítenek a kereskedőknek és befektetőknek a döntéshozatalban. Az algoritmikus kereskedéssel foglalkozó bankok és befektetési alapok összetett algoritmusokkal törekszenek a piac meghódítására, de még mindig nagy kutatási terület a stratégiáké. Ezért a dolgozatomban egy olyan teszt keretrendszert építettem, ami képes úgy nevezett back-testingre, tehát historikus piaci adatokon való tesztelésre. Ehhez olyan kereskedő és portfólió építő algoritmusokat készítettem, amelyek a piacon előfordulókhoz képest könnyen implementálhatók, és nem támaszkodnak felsőbb matematikai ismeretekre, sem egyéb titkos módszerre. Ezek közül két összetettebb algoritmus teljesítményét részletesebben is megvizsgáltam, és összehasonlítottam. Ez a két algoritmus ismert elméleteken alapszik, úgy, mint a modern portfólió-elmélet megalapozójának tekintett Harry Markowitz-féle átlagon és variancián alapuló portfólió-választás elve, illetve a French és Fama által ismertetett átlaghoz való visszatérés elve. A dolgozatban előbb ismertetem a tőzsdei kereskedés és a használt algoritmusok mögötti elméleti alapokat, majd kitérek az implementációs részletekre, végül pedig összevetem az optimalizált portfóliók teljesítményét több konfigurációval és több féle valós historikus adathalmazon.