Multi-objective Portfolio Optimization Based on the Fama–French Three-Factor Model and the Black–Litterman Framework
Deze studie stelt een robuust multi-objectief portfolio-optimalisatiemodel voor dat het Fama–French drie-factorenmodel integreert met het Black–Litterman-raamwerk om posterieure verwachte rendementen te genereren, terwijl tegelijkertijd het neerwaartse risico wordt geminimaliseerd en de diversificatie onder praktische beperkingen wordt gemaximaliseerd, waarbij een superieure prestatie wordt aangetoond ten opzichte van benchmarkstrategieën in zowel in-sample als out-of-sample tests.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de wereld van beleggen is de centrale uitdaging niet simpelweg het vinden van activa die geld opleveren, maar het vinden van de juiste mix van activa die kunnen overleven wanneer de markt verslechtert. Decennialang vertrouwde de standaardmanier om dit risico te beheren op een wiskundig concept genaamd variantie, dat elke schommeling in de prijs behandelt als een potentieel gevaar, of de prijs nu omhoog of omlaag gaat. Deze aanpak gaat ervan uit dat beleggingsrendementen een voorspelbare, klokvormige curve volgen, vergelijkbaar met de verdeling van de lengte in een grote menigte. De werkelijke financiële markten zijn echter vaak rommeliger, met plotselinge, scherpe dalingen die vaker voorkomen dan een eenvoudige curve zou voorspellen. Bov Furthermore, de meest gebruikelijke methoden om toekomstige rendementen te raden zijn berucht fragiel; als de gok van een belegger over de toekomstige prestaties van een aandeel slechts iets afwijkt, kan het resulterende beleggingsplan extreem uit balans raken, waardoor er te veel geld in één enkele riskante weddenschap wordt gestoken. Om deze problemen op te lossen, hebben onderzoekers lang gezocht naar een manier om portefeuilles op te bouwen die zich specifiek richten op het risico op geldverlies, terwijl ze ook ervoor zorgen dat het geld voldoende verspreid is om een ramp te voorkomen als één specifieke belegging faalt.
Een team van onderzoekers aan de Guangdong University of Finance and Economics heeft een nieuwe methode voorgesteld om deze problemen aan te pakken door drie verschillende ideeën te combineren in één samenhangende strategie. Ten eerste gebruiken ze een raamwerk dat bekend staat als het Fama–French drie-factorenmodel, dat kijkt naar drie specifieke drijvers van de prestaties van aandelen: de algehele markt, de omvang van het bedrijf en de waarde ervan ten opzichte van de boekwaarde. In plaats van toekomstige rendementen in een vacuüm te raden, gebruikt dit model historische gegevens om te begrijpen hoe deze drie factoren specifieke aandelen in het verleden hebben beïnvloed. Ten tweede voeden ze deze inzichten aan een systeem dat het Black–Litterman-model wordt genoemd, dat fungeert als een geavanceerd filter. Dit systeem neemt de algemene verwachtingen van de markt en mengt deze met de specifieke inzichten van het drie-factorenmodel, waardoor de wilde gokken die traditionele planning vaak teisteren, worden afgevlakt. Ten slotte vervangen de onderzoekers de oude, allesomvattende maatstaf voor risico door een nauwkeuriger instrument genaamd de gemiddelde absolute semi-deviatie, die alleen de momenten telt waarop een portefeuille in waarde daalt en de momenten negeert waarop deze stijgt. Ze voegen ook een maatstaf voor "entropie" toe, een concept geleend uit de natuurkunde dat in deze context simpelweg kwantificeert hoe gelijkmatig het geld is verspreid over verschillende aandelen. Als het geld geconcentreerd is in slechts enkele aandelen, is de entropie laag; als het verspreid is, is de entropie hoog.
De onderzoekers testten deze nieuwe aanpak met dertig belangrijke aandelen uit de Chinese CSI 300 Index, een collectie van de grootste en meest liquide bedrijven van het land. Ze verzamelden dagelijkse prijsgegevens van 1 januari 2024 tot 30 juni 2025 om te zien hoe hun model zou presteren in een echte omgeving. Ze vergeleken hun methode met twee veelvoorkomende benchmarks: de CSI 300 Index zelf, die simpelweg de markt volgt, en een "1/N"-strategie, waarbij een belegger een gelijk bedrag in elk aandeel legt zonder complexe analyse. De studie hield ook rekening met real-world frictie, zoals de kosten die betaald worden telkens wanneer een aandeel wordt gekocht of verkocht, en strikte regels die beleggers verhinderen meer dan 30% van hun geld op een enkel aandeel in te zetten.
De resultaten van de simulatie toonden aan dat het nieuwe model consequent beter presteerde dan de eenvoudigere strategieën. Wanneer gekeken werd naar de totale groei van de belegging over de testperiode, genereerde het nieuwe model een cumulatief rendement van ongeveer 17,5%, wat aanzienlijk hoger is dan de bescheiden winsten die te zien waren bij de gelijk gewogen strategie. Belangrijker nog, het nieuwe model bleek beter in staat om het kapitaal van de belegger te beschermen tijdens neerwaartse trends. Terwijl de standaard marktindex en de gelijk gewogen aanpak moeite hadden om hun waarde te behouden, zorgde de focus van het nieuwe model op neerwaarts risico ervoor dat het minder leed tijdens marktdalingen. De onderzoekers maten dit met een metriek genaamd de Sortino-ratio, die evalueert hoe goed een belegging presteert ten opzichte van de slechte dagen in plaats van alle dagen. In deze test bereikte het nieuwe model een piek in de Sortino-ratio boven de 27, terwijl de gelijk gewogen strategie zelden de 5 overschreed. Dit suggereert dat het model uitzonderlijk goed was in het vermijden van verliezen zonder het potentieel voor winst op te offeren.
Naast het simpelweg meer geld verdienen, demonstreerde het model ook een grotere stabiliteit. De onderzoekers testten hoe het model stand zou houden als ze de timing van hun beslissingen zouden veranderen, zoals hoe vaak ze de portefeuille herbalanceren of hoeveel historische gegevens ze gebruikten om hun voorspellingen te doen. Ze ontdekten dat het model robuust bleef in verschillende instellingen, wat suggereert dat het succes geen toevalstreffer was van een specifieke tijdsperiode. De studie geeft aan dat door hun voorspellingen te funderen in het drie-factorenmodel en deze vervolgens te verfijnen met het Black–Litterman-raamwerk, de onderzoekers een systeem hebben gecreëerd dat minder gevoelig is voor de fouten die normaal gesproken beleggingsplannen ruïneren. De opname van de entropie-maatstaf zorgde ervoor dat de portefeuille niet gevaarlijk geconcentreerd raakte, terwijl de focus op semi-deviatie de strategie alert hield op het specifieke gevaar van geldverlies.
Dit werk suggereert dat een meer genuanceerde aanpak van portefeuilleconstructie tastbare voordelen kan opleveren voor beleggers. Door af te stappen van het idee dat alle prijsbeweging gelijk is aan risico, en door toekomstige verwachtingen te funderen in een gestructureerde analyse van marktfactoren, hebben de onderzoekers een instrument gecreëerd dat de wens naar winst balanceert met de behoefte aan veiligheid. De studie beweert niet het mysterie van de markt te hebben opgelost, maar biedt sterk bewijs dat het combineren van deze specifieke technieken kan leiden tot portefeuilles die niet alleen winstgevender zijn, maar ook veerkrachtiger wanneer de markt zich tegen hen keert. Voor institutionele beleggers en vermogensbeheerders biedt dit een praktisch pad vooruit, waarbij wordt aangetoond dat een gedisciplineerde, multi-objective aanpak de complexiteiten van moderne financiële markten effectiever kan navigeren dan traditionele, eenzijdige strategieën.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.