aalto1 untyped-item.component.html

Volatility-based enhanced portfolio optimization

Loading...
Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

School of Business | Bachelor's thesis

Date

Major/Subject

Mcode

Degree programme

Language

en

Pages

32

Series

Abstract

Dynamically adjusting portfolio shrinkage intensity based on market volatility materially improves out-of-sample risk-adjusted performance relative to static shrinkage and standard mean-variance benchmarks. I show this by constructing a volatility-conditioned Enhanced Portfolio Optimization (EPO) framework, in which the shrinkage applied to mean and covariance estimates depends on a VIX-based z-score. I apply this model to a multi-asset universe of 14 global indices covering equities, bonds, and commodities from 1990-2025. I find that the dynamic EPO portfolio achieves a 0.70 out-of-sample Sharpe ratio, representing a 13% improvement over the tangency portfolio and a 9% improvement over the best static EPO portfolio. HAC-robust alpha regressions confirm that the outperformance is statistically significant. These results demonstrate that rule-based adjustments to shrinkage intensity provide a practical and statistically validated way to manage estimation error in multi-asset portfolios.

Salkun kutistuksen voimakkuuden dynaaminen säätäminen volatiliteetin perusteella parantaa olennaisesti otoksen ulkopuolista riskikorjattua tuottoa verrattuna staattiseen kutistukseen ja perinteisiin optimisointimenetelmiin. Osoitan tämän rakentamalla volatiliteettiehdollisen Enhanced Portfolio Optimization (EPO) -mallin, jossa tuotto- ja kovarianssiestimaatteihin sovellettava kutistus riippuu VIX-indeksiin perustuvasta z-arvosta. Sovellan mallia monen omaisuusluokan aineistoon, joka koostuu 14 globaalista indeksistä ja kattaa osakkeet, joukkovelkakirjat ja raaka-aineet ajanjaksolla 1990–2025. Tulosten mukaan dynaaminen EPO-salkku saavuttaa 0,70:n otoksen ulkopuolisen Sharpen luvun, mikä vastaa 13% parannusta tangenttisalkkuun ja 9% parannusta parhaaseen staattiseen EPO-salkkuun verrattuna. HAC-robustit alpha-regressiot vahvistavat, että ylisuoriutuminen on tilastollisesti merkitsevää. Tulokset osoittavat, että sääntöpohjainen kutistuksen voimakkuuden säätäminen tarjoaa käytännöllisen ja tilastollisesti merkittävän tavan hallita estimaatiovirhettä monen omaisuusluokan salkuissa.

Description

Thesis advisor

Joenväärä, Juha

Other note

Citation

Endorsement

Review

Supplemented By

Referenced By