ΠΥΞΙΔΑ Ιδρυματικό Αποθετήριο
και Ψηφιακή Βιβλιοθήκη
Συλλογές :

Τίτλος :Measuring mangerial skill in the mutual fund industry: a stochastic dominance based approach
Εναλλακτικός τίτλος :Μετρώντας τη διαχειριστική ικανότητα στην αγορά των αμοιβαίων κεφαλαίων: προσέγγιση μέσω στοχαστικής κυριαρχίας
Δημιουργός :Σαρρή, Δανάη
Sarri, Danai
Συντελεστής :Αρβανίτης, Στυλιανός (Επιβλέπων καθηγητής)
Τσιώνας, Ευθύμιος (Εξεταστής)
Τοπάλογλου, Νικόλαος (Εξεταστής)
Σακελλάρης, Πλούταρχος (Εξεταστής)
Λελεδάκης, Γεώργιος (Εξεταστής)
Ντέμος, Αντώνιος (Εξεταστής)
Δενδραμής, Ιωάννης (Εξεταστής)
Athens University of Economics and Business, Department of Economics (Degree granting institution)
Τύπος :Text
Φυσική περιγραφή :99p.
Γλώσσα :en
Αναγνωριστικό :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=7998
Περίληψη :Τα τελευταία χρόνια, παρατηρείται μια σημαντική αύξηση στις δημοσιεύσεις βασισμένες στη θεωρία της Στοχαστικής Κυριαρχίας. Σε αυτην την κατευθυνση βοήθησε η τεχνολογική πρόοδος, ώστε οι έλεγχοι για Στοχαστική Κυριαρχία να έχουν απήχηση σε διάφορα επιστημονικά πεδία, όπως τα Οικονομικά και τα Χρηματοοικονομικά. Στη συγκεκριμένη μελέτη, εφαμόζουμε ελέγχους αποτελεσματικότητας Στοχαστικής Κυριαρχίας για την κατασκευή χαρτοφυλακίων, ως μια επέκταση της κλασσικής θεωρίας Μέσου-Διακύμανσης. Προχωράμε σε τεχνικές μείωσης διαστάσεων των δεδομένων με σκοπό την αντιμετώπιση της "κατάρας των διαστάσεων" του αρχικού σετ δεδομένων, απαρτιζόμενο από περίπου 45,000 αμοιβαία κεφάλαια (Η.Π.Α), καθώς οι διαστάσεις είναι απαγορευτικές για τις εφαρμογές. Σε αυτήν την κατεύθυνση, εφαρμόζεται η Ανάλυση Κύριων Συνιστωσών για να μειωθεί ο αριθμός των αρχικών αμοιβαίων κεφαλαίων, αποκτώντας ένα μικρότερο σετ από μεταβλητές κύριων συνιστωσών. Τα εμπειρικά αποτελέσματα αποκαλύπτουν ότι μέσω της κατασκευής των βέλτιστων χαρτοφυλακίων βάσει προβλημάτων Γραμμικού Προγραμματισμού, η αποτελεσματικότητα της αγοράς δεν απορρίπτεται, παρόλο το γεγονός ότι είναι αναποτελεσματική στο θεωρητικό πλαίσιο του Μέσου-Διακύμανσης. Το μειωμένο σε διαστάσεις σετ από μεταβλητές κύριων συνιστωσών μπορεί να παράξει βέλτιστα χαρτοφυλάκια, που χρησιμοποιούνται για προβλέψεις, και επίσης για να αναγνωριστούν χαρακτηριστικά σε αυτά, όπως το διαχειριστικό ταλέντο. Παραδοσιακά μοντελά για πρόβλεψη, όπως το Ολοκληρωμένο αυτοπαλίνδρομο μοντέλο κινητού μέσου (ARIMA) και Holt-Winters, συγκρίνονται με Μοντέλα Μακράς Βραχυχρόνιας Μνήμης (LSTM) ως προς την προβλεπτική τους ικανότητα. Βάσει της τετραγωνικής ρίζας του μέσου τετραγωνικού σφάλματος, η πιστοποίησή μας δείχνει ότι το LSTM μοντέλο είναι είναι πιο ικανό ως προς την προβλεπτική ισχύ σε σχέση με τα παραδοσιακά μοντέλα. Τέλος, επεκτείνοντας τη μεθοδολογία των Berk and van Binsbergen (2015), μετράμε τη διαχειριστική ικανότητα στα κατασκευασμένα χαρτοφυλάκια βάσει της θεωρίας της αποτελεσματικότητας της Στοχαστικής Κυριαρχίας 2ης τάξης, χρησιμοποιώντας την μεταβλητή της προστιθέμενης αξίας. Τα αποτελέσματά μας δείχνουν ότι το διαχειριστικό ταλέντο προσθέτει αξία περίπου ίση με 1.064 εκ. Αμερικανικά Δολλάρια ετησίως.
In recent years, a significant increase of published research based on the Stochastic Dominance theory is observed. Computational advancements have been substantial for Stochastic Dominance tests to gain attractiveness in several areas, such as Economics and Finance. In this current study, we formulate Stochastic Dominance Efficiency (SDE) tests to construct portfolios as an extension of the classical Mean-Variance approach. We proceed with dimensionality reduction techniques to tackle the "curse of dimensionality" in the original dataset of 45,000 U.S. mutual funds, since the raw data dimensions make the aforementioned Stochastic Dominance formulations prohibitive. Towards that direction, a Principal Component Analysis is employed to reduce the number of the initial mutual funds assets by obtaining a small set of principal variables. The empirical findings reveal that through the construction of the optimal portfolios based on the Linear Programming formulations, the market efficiency is not rejected, yet it is inefficient in a Mean-Variance framework. The reduced set of principal variables can produce optimal portfolios, which are used to reassess and predict them, whereas to identify characteristics of individuals that manage them, such as managerial talent. Traditional forecasting models such as ARIMA and Holt Winters are compared with Long Short-Term Memory Networks, for their predictive power. Based on the assessment metric of Root Mean Squared Error, our validation shows that the LSTM based forecasting model outperforms the studied alternative approaches. Finally, extending the methodology of Berk and van Binsbergen (2015), we measure the managerial skill on the constructed portfolios based on the SDE formulations of second order using value added variable. Our findings indicate the presence of managerial skill that adds value of approximately $1.064 million annually.
Λέξη κλειδί :Αβεβαιότητα
Στοχαστική κυριαρχία
Αμοιβαία κεφάλαια
Μείωση διαστάσεων
Νευρωνικά δίκτυα
Uncertainty
Stochastic dominance
Mutual funds
Dimensionality reduction
Neural Networks (NN)
Διαθέσιμο από :2021-07-01
Ημερομηνία έκδοσης :18-05-2020
Ημερομηνία κατάθεσης :2020-07-01 16:38:23
Δικαιώματα χρήσης :One-year restricted access
Άδεια χρήσης :

Αρχείο: Sarri_2020.pdf

Τύπος: application/pdf