سبدهای پویای سهام، اوراق و طلا با کنترل نوسان
خلاصه
این مقاله تخصیصهای ثابت سهام و اوراق و نیز سهام، اوراق و طلا را با سبدهای پویای فقط خرید مقایسه میکند که ممکن است وجه نقد هم نگه دارند. سبدها از دادههای عمومی استفاده میکنند، ماهانه بازمتوازن میشوند و بر اساس بازده، نوسان، نسبت شارپ مازاد، افت سرمایه، گردش معاملات و ثبات نوسان سالانه تحققیافته ارزیابی میشوند. هزینههای معاملاتی نیز با رویکردی محافظهکارانه در ارزیابی لحاظ شدهاند.
یک روش ساده ریسک را با ترکیب سبدی با وزنهای ثابت و وجه نقد کنترل میکند تا به نوسان هدفی برسد که از بازدههای گذشته برآورد شده است. مقاله گزارش میدهد که این روش در دوره ارزیابی 2006–2026 معیارهای تعدیلشده بر اساس ریسک و افت سرمایه را بهبود داده است. همچنین از بهبود بیشتر در سبدهای بهینهسازی محدب با استفاده از بازدههای گذشته بهتنهایی یا بازدهها بهعلاوه مجموعه کوچکی از دادههای اقتصادی عمومی خبر میدهد و میگوید این سبدها از تخصیصهای ریسکمحور آزمودهشده، مانند برابری ریسک و حداقل واریانس، بهتر عمل میکنند. متن جزئیات پیادهسازی یا نتایج عددی ارائه نمیدهد و نتیجهگیریها به داراییها، دادهها، دوره و فرضهای هزینهای بیانشده محدود است.
ایدههای کلیدی
- این مطالعه تخصیصهای ماهانه و فقط خرید را میان سهام، اوراق، طلا و وجه نقد میآزماید.
- هدفگذاری نوسان با ترکیب یک تخصیص ثابت و وجه نقد، میزان مواجهه را تنظیم میکند.
- در روش کنترل نوسان، ریسک سبد از بازدههای گذشته برآورد میشود.
- سبدهای بهینهسازی محدب از بازدههای تاریخی استفاده میکنند و یکی از نسخهها دادههای اقتصادی عمومی را نیز به کار میگیرد.
- نتایج گزارششده، با فرضهای مطالعه، روشهای پویا را از نظر معیارهای تعدیلشده بر اساس ریسک و افت سرمایه برتر نشان میدهند.
برچسبها
متن کامل
# Simple Dynamic Stock/Bond/Gold Portfolios # Simple Dynamic Stock/Bond/Gold Portfolios For more than four decades, the 60/40 stock/bond portfolio has served as a benchmark for delivering reasonable returns without excessive risk. More recently, a 50/30/20 stock/bond/alternative portfolio has been suggested. We use gold as the alternative and as an inflation hedge. In this paper we ask: how much improvement over these benchmark fixed-weight portfolios can be obtained using widely available public data and standard methods from quantitative finance? We restrict ourselves to long-only dynamic portfolios of stocks, bonds, and gold, plus cash, rebalancing monthly, using only publicly available data. We evaluate portfolios on the conventional metrics: return, volatility, Sharpe ratio (computed in excess of the federal funds rate), drawdown, and turnover, in addition to consistency of performance over time, judged by the consistency of the realized annual volatility. Over the 20--year period 2006--2026, using a conservative estimate of trading costs, we show that all risk-adjusted and drawdown metrics are improved using simple volatility control, where we dynamically mix the fixed-weight portfolios with cash so as to target a fixed volatility. This method relies on a simple estimate of portfolio volatility derived from past returns. We also demonstrate that more sophisticated portfolios based on convex optimization---similar to those used in quantitative hedge funds---yield further substantial improvement in return and risk-adjusted return. We consider two such portfolios, one that uses a simple estimate of future returns based on past returns, and one that forecasts future returns based on past returns and just a handful of widely available public economic data. These portfolios also outperform a suite of standard risk-based allocation methods, such as risk parity and minimum variance, evaluated on the same assets and data.
با ذکر منبع و مطابق مجوز اثر، بهطور کامل نمایش داده میشود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخهای از اثر منبع نیست.