Mathematical Framework for Dynamic Downside-Minimizing Portfolio with Exotic Option Overlay
Diese Studie präsentiert ein mehrstufiges mathematisches Framework, das demonstriert, wie die Erweiterung des Asset-Universums, die Einbeziehung der Mittel-Semivarianz-Optimierung und das Hinzufügen exotischer Optionen wie asiatischer und amerikanischer Puts den Abwärtsschutz sowie die risikobereinigten Renditen signifikant verbessern, wobei eine maximale simulierte Verlustreduktion von −45,9 % auf −8,8 % und eine Spitzen-Sortino-Ratio von 9,62 im Vergleich zu einem Standard-SPY-Benchmark erreicht werden.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht vom Autor verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Anleger kämpfen schon lange mit einem einzigen, hartnäckigen Problem: wie man das Wachstum des Aktienmarktes einfangen kann, ohne die verheerenden Verluste zu erleiden, die unweigerlich damit einhergehen. Die traditionelle Finanztheorie behandelt Risiko oft als ein einfaches Maß dafür, wie stark die Preise nach oben und unten springen, wobei sie davon ausgeht, dass ein starker Anstieg genauso riskant ist wie ein starker Fall. Die meisten Menschen fürchten jedoch keinen plötzlichen Gewinn; sie fürchten einen plötzlichen Verlust. Diese Unterscheidung führte zur Entwicklung eines fokussierteren Ansatzes für das Risiko, der die Aufwärtsvolatilität ignoriert und sich ganz auf das Abwärtsrisiko konzentriert. Indem Analysten nur die Häufigkeit und Schwere von Verlusten unterhalb einer bestimmten Schwelle messen, können sie Portfolios aufbauen, die speziell darauf ausgelegt sind, die schlimmsten Ergebnisse zu vermeiden. Es bleibt jedoch die Frage, ob eine solche Strategie durch das Hinzufügen komplexer Finanzinstrumente oder durch das ständige Anpassen der Asset-Mischung noch robuster gestaltet werden kann und, wenn ja, was der wahre Preis dieser Sicherheit sein könnte.
Ein Forscher namens Antarik Bansal setzte sich zum Ziel, diese Fragen zu beantworten, indem er eine Reihe simulierter Investmentportfolios konstruierte, von denen jedes komplexer war als das vorangegangene, um zu sehen, wie weit das Abwärtsrisiko gesenkt werden konnte, während man gleichzeitig auf eine bestimmte Rendite abzielte. Die Studie begann mit einer einfachen Basis aus vier verschiedenen Arten von Vermögenswerten: Aktien, Anleihen, Gold und einem spezialisierten Instrument, das tendenziell steigt, wenn die Aktien fallen. Unter Verwendung eines Computers, um zwanzigtausend verschiedene mögliche Zukunftspfade dieser Märkte über ein einzelnes Jahr durchzuspielen, optimierte der Forscher zunächst die Mischung dieser vier Vermögenswerte, um die Wahrscheinlichkeit eines großen Verlusts zu minimieren. Dieses anfängliche, sorgfältig ausbalancierte Portfolio schnitt signifikant besser ab als ein Standard-Aktienfonds, da es den Worst-Case-simulierten Verlust von fast sechsundvierzig Prozent auf vierundzwanzig Prozent senkte und gleichzeitig das Verhältnis von Rendite zu Risiko verbesserte.
Um das Portfolio noch sicherer zu machen, fügte der Forscher eine Ebene der Versicherung in Form von exotischen Optionen hinzu, bei denen es sich um Kontrakte handelt, die nur auszahlen, wenn der Markt unter ein bestimmtes Niveau fällt. Eine Art von Kontrakt schützte gegen einen plötzlichen Crash am Ende des Jahres, während eine andere gegen einen langsamen, anhaltenden Rückgang über die Zeit schützte. Das Hinzufügen dieser zwei Versicherungs-Policen wirkte wie ein harter Boden, der verhinderte, dass das Portfolio in den Worst-Case-Szenarien mehr als acht Prozent verlor. Diese dramatische Reduzierung des potenziellen Verlusts ging mit geringen Kosten für die durchschnittliche Rendite einher, veränderte aber das Sicherheitsprofil der Anlage grundlegend und bewies, dass expliziter Schutz den Abwärtsverlauf innerhalb der Regeln der Simulation fast vollständig deckeln konnte.
Die Studie erweiterte das Universum der verfügbaren Vermögenswerte von vier auf dreizehn und schließlich auf einundzwanzig, indem sie kleinere Unternehmen, Schwellenländer und spezialisierte Sektoren wie Biotechnologie und Immobilien einbezog. Die Logik dahs war, dass eine größere Vielfalt an Vermögenswerten mehr Möglichkeiten bietet, Kombinationen zu finden, die unabhängig voneinander agieren, was die Unruhen im Kursverlauf weiter glättet. Diese Erweiterung erwies sich als äußerst effektiv; allein das Hinzufügen einer größeren Vielfalt an Vermögenswerten zur Mischung, ohne die Strategie zu ändern oder Versicherungen hinzuzufügen, steigerte die risikobereinigte Performance so erheblich, dass der Sicherheitswert des Portfolios gegenüber der ursprünglichen Vier-Asset-Version mehr als verdoppelte. Der Forscher fand heraus, dass die schiere Anzahl der verschiedenen Bausteine es dem Computer ermöglichte, eine wesentlich resilientere Struktur zu konstruieren.
Über die bloße Auswahl der richtigen Mischung von Vermögenswerten hinaus testete der Forscher verschiedene Wege, das Portfolio im Laufe der Zeit zu verwalten. Eine Strategie bestand darin, ständig Geld in jene Vermögenswerte zu verschieben, die in jüngster Zeit gut performt hatten, während eine andere darin bestand, das Portfolio in regelmäßigen Abständen einfach auf seine ursprüngliche, sorgfältig berechnete Mischung zurückzusetzen. In der simulierten Welt, in der Marktbewegungen zufällig und nicht vorhersehbar waren, machte die Strategie des ständigen Verfolgens der jüngsten Gewinner das Portfolio tatsächlich riskanter und weniger profitabel. Im Gegensatz dazu erwies sich die Strategie, das Portfolio regelmäßig auf seine ursprünglichen, optimierten Gewichtungen zurückzusetzen, als das mächtigste Werkzeug überhaupt. Dieser einfache, disziplinierte Ansatz, das Portfolio alle paar Wochen wieder auf den Plan zurückzuführen, lieferte die höchsten Sicherheitswerte aller getesteten Methoden und übertraf selbst die komplexeren, signalgesteuerten Strategien, die versuchten, auf sich ändernde Marktbedingungen zu reagieren.
Schließlich trieb der Forscher das System an seine Grenzen, indem er auf eine deutlich höhere Zielrendite von fünfzehn Prozent abzielte, was erforderte, das Portfolio mit risikoreicheren, wachstumsstarken Vermögenswerten zu belasten. Wie erwartet, brachte das Streben nach dieser höheren Belohnung ein deutlich höheres Verlustrisiko mit sich, wobei das Worst-Case-Szenario wieder auf fast neunundzwanzig Prozent anstieg. Durch die Anwendung derselben Versicherungsstrategien, die zuvor verwendet worden waren, gelang es dem Forscher jedoch, diesen Worst-Case-Verlust wieder in den einstelligen Bereich zu bringen, obwohl dies erforderte, einen erheblichen Teil des potenziellen Gewinns für den Schutz aufzugeben. Die Studie kommt zu dem Schluss, dass es zwar möglich ist, ein Portfolio zu bauen, das bemerkenswert sicher und resilient ist, es gibt jedoch keinen Gratisfund – jeder Schritt hin zu höheren Renditen oder jede zusätzliche Ebene an Komplexität beinhaltet einen Kompromiss, und der zuverlässigste Weg, Risiko in einem zufälligen Markt zu managen, ist oft der einfachste: eine diverse Mischung von Vermögenswerten, disziplinierte regelmäßige Anpassungen und ein expliziter Schutz gegen die schlimmsten Ausgänge.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.