Regime-based Black-Litterman model for the strategic asset allocation of institutional investors

Thumbnail Image

Files

master_Huuhka_Toni_2023.pdf (975.51 KB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2023-01-24

Department

Major/Subject

Systems and Operations Research

Mcode

SCI3055

Degree programme

Master’s Programme in Mathematics and Operations Research

Language

en

Pages

56

Series

Abstract

The strategic asset allocation of institutional investors is the most important factor affecting portfolio returns. Nonetheless, mean-variance optimization is broadly used for strategic asset allocation among investment professionals despite its well-documented drawbacks regarding the estimates of expected returns and the covariance matrix. In this thesis, we study how the Black-Litterman framework, which utilizes equilibrium returns, affects the portfolio returns in comparison to the mean-variance optimization. In addition, we study how automatically generated investor views based on hidden Markov models and market regimes affect the performance. Lastly, we study how two robust alternatives to the sample covariance matrix, the minimum covariance determinant and covariance shrinkage, affect the portfolio returns. We implement a framework for automatically generating investor views and subsequently using the views in the Black-Litterman model. The framework is used to compute portfolio returns and compare the out-of-sample performance of several portfolio optimization methods using different covariance estimation methods. The choice of the portfolio optimization method proved to be a significantly larger factor in determining the outcome of an investment strategy than the incorporation of investor views or use of a robust covariance estimation method. In terms of absolute returns, mean-variance optimization gave the highest returns. However, measured by risk-adjusted returns, the risk-based portfolio optimization methods obtained the highest returns. Across all three data samples, the robust covariance estimation method minimum covariance determinant obtained on average the highest risk-adjusted returns measured by both the Sharpe ratio and the Sortino ratio. Further discoveries included the improved performance of virtually all investment strategies when alternative investments were excluded from the investment universe.

Den strategiska tillgångsallokeringen för institutionella investerare är den viktigaste faktorn som påverkar portföljens avkastning. Inte desto mindre används medelvariansoptimering i stor utsträckning för strategisk tillgångsallokering bland investerare trots dess väldokumenterade nackdelar när det gäller uppskattningar av förväntad avkastning och kovariansmatrisen. I detta examensarbete studerar vi hur Black-Litterman-ramverket, som utnyttjar jämviktsavkastningar, påverkar portföljavkastningen i jämförelse med medelvariansoptimeringen. Dessutom studerar vi hur automatiskt genererade investerarvyer baserade på dolda Markov-modeller och marknadsregimer påverkar resultaten. Slutligen studerar vi hur två robusta alternativ till stickprovets kovariansmatris, den minsta kovariansdeterminanten (eng. minimum covariance determinant) och kovarianskrympning (eng. covariance shrinkage), påverkar portföljens avkastning. Vi implementerar ett ramverk för att automatiskt generera investerarvyer och därefter använda vyerna i Black-Litterman-modellen. Ramverket används för att beräkna portföljavkastning och jämföra prestanda utanför urvalet för flera portföljoptimeringsmetoder med hjälp av olika sätt att uppskatta kovarians. Valet av portföljoptimeringsmetoden visade sig vara en betydligt viktigare faktor för att bestämma prestandan av en investeringsstrategi än att införliva investerarsynpunkter eller använda en robust metod för uppskattning av kovarians. Mätt med absolut avkastning gav medelvariansoptimering den högsta avkastningen. De riskbaserade portföljoptimeringsmetoderna gav dock den högsta avkastningen mätt med riskjusterad avkastning. Över alla tre dataprov erhöll den robusta kovariansuppskattningsmetoden minsta kovariansdeterminanten i genomsnitt den högsta riskjusterade avkastningen mätt med både Sharpe-kvot och Sortino-kvot. Ytterligare upptäckter inkluderade det förbättrade resultatet för praktiskt taget alla investeringsstrategier när alternativa investeringar uteslöts från investeringsuniversumet.

Description

Supervisor

Salo, Ahti

Thesis advisor

Pakarinen, Ari

Keywords

Strategic asset allocation, portfolio optimization, covariance estimation, robust methods, hidden markov models

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202301291699

Collections

[dipl] Perustieteiden korkeakoulu / SCI