una generalizzazione del Modello Media-Varianza

Presentazione sul tema: "una generalizzazione del Modello Media-Varianza"— Transcript della presentazione:

1 una generalizzazione del Modello Media-Varianza
La sensitivity analysis nell’ottimizzazione convessa quadratica perturbata: una generalizzazione del Modello Media-Varianza Massimiliano Kaucic Trieste, 23/06/2004

2 Il modello Media-Varianza
Le fondamenta della teoria moderna di selezione dei portafogli sono costituite dai risultati di Markowitz circa la costruzione di portafogli in condizioni di incertezza da parte di investitori razionali. I parametri fondamentali per l’analisi sono la media e la varianza del rendimento del portafoglio.

3 Ottimizzazione in Markowitz
Il modello M-V proposto da Markowitz si pone l’obiettivo di costruire un insieme di portafogli che soddisfino alle seguenti proprietà: 1. aver il più alto livello di rendimento atteso per un dato livello di rischio; 2. aver il più basso livello di rischio per un dato livello di rendimento. I portafogli che soddisfano a questi due punti sono detti ottimali.

4 L’insieme dei portafogli ottimali viene detto frontiera efficiente.
La determinazione di questo insieme richiede la formulazione e risoluzione di un problema di programmazione quadratica parametrico. Si tratta di massimizzare una funzione concava dell’utilità attesa dell’investitore.

5 Dettagli sul modello M-V
L’obiettivo perseguito in questa prima parte è quello di studiare le caratteristiche principali del modello M-V e di portare all’attenzione un algoritmo di calcolo per i portafogli introducendo dei vincoli lineari sulle frazioni di investimento.

6 Caratteristiche del problema
La funzione di utilità studiata è dove è il vettore delle frazioni di investimento; è il vettore dei rendimenti attesi (o dei tassi) dei titoli; è la matrice delle covarianze dei titoli;

7 Nota: ci sono stati molti studi riguardo ai valori da attribuire
rappresenta la tolleranza al rischio dell’investitore. Nota: ci sono stati molti studi riguardo ai valori da attribuire a questo ultimo parametro, il mio lavoro non vuole entrare nel dettaglio di questa letteratura ma vuole semplicemente essere uno studio delle caratteristiche matematiche del problema. Per gli interessati: risultati empirici su questo argomento si possono trovare in Kallberg e Ziemba (1983) “Comparison of alternative utility functions in portfolio selection problems”.

8 Formalizzazione del problema parametrico
Determinare: al variare di λ, sotto i vincoli lineari che rappresenta un insieme di restrizioni sul vettore X che rappresenta la frazione k che voglio impiegare nell’operazione finanziaria che rappresenta la regione di definizione delle X

9 Possibile estensione Un’ulteriore classe di vincoli sulle frazioni di investimento è la seguente: Nota: l’espressione di questo vincolo può però essere ricondotta ad un vincolo precedente con l’introduzione di una o più variabili ausiliarie.

10 Un po’ di definizioni Una variabile di stato Xi si dice down se:
2. Una variabile di stato Xi si dice up se: 3. Una variabile di stato Xi si dice in se:

11 Il metodo impiegato Per la risoluzione del problema mi sono avvalso del procedimento esposto in Markowitz (1956) “The optimization of a quadratic function subject to linear constraints” e noto come Critical Line Method. La strategia di calcolo si fonda sul Simplex Method.

12 Esempio dimostrativo Tratto dal sito Per i titoli considerati, il periodo storico impiegato e altre caratteristiche economiche si rimanda l’interessato al sopra citato sito.

13 Dati in Input standard 1. 2. 3. Dove e sono i rendimenti attesi, StdDev le loro deviazioni standard e Corr la matrice delle correlazioni.

14 Vincoli Nota: la matrice C viene determinata a partire da Corr e 1. 2.
3. Nota: la matrice C viene determinata a partire da Corr e StdDev mediante la relazione

15 Utility hill per λ=50

16 Come varia la composizione del portafoglio
λ X k AX=b X>LB X<UB e Stdev Φ(λ) 50 -0.90 1.24 0.66 1 No 12.44 15.66 7.53 0.20 0.30 0.50 Sì 7.85 8.78 7.67

17 L’approccio al problema
Fase 1: Se pensassimo di risolvere la questione andando a vedere cosa succede variando λ, ci porremmo nella situazione di dover, ad ogni passo, risolvere un problema quadratico convesso, con costi computazionali considerevoli. Nota: questo approccio è utile quando si deve risolvere il problema per un numero ristretto di valori di λ.

18 Fase 2: Nel momento in cui vogliamo andare a vedere come cambia la composizione del portafoglio al variare di λ, ci accorgiamo che il punto centrale diventa il passaggio delle variabili Xi da uno stato all’altro (ad esempio, da in ad up) in relazione a λ. L’idea alla base di questo lavoro è proprio questa: studiare i cambiamenti nelle variabili di stato con λ. Si dimostra che solo un numero finito di volte si verifica tale situazione. È quindi possibile costruire degli intervalli in cui le composizioni dei portafogli non cambiano stato. In altri termini, ci riconduciamo a studiare un numero ristretto di valori di λ e di composizioni X.

19 Corner Portfolios I portafogli che costituiscono il passaggio da uno stato ad un altro nelle frazioni di investimento sono detti corner portfolios. Ogni portafoglio viene costruito, fissato λ, come combinazione dei due portafogli ad angolo A e B per cui

20 Risultati dell’esempio
λ A B C <=13.7 50.00 30.00 20.00 15.10 45.19 34.81 21.02 26.15 47.38 26.47 22.30 22.94 >=41.8 Tabella dei corner portfolios:

21 In questo grafico si può vedere la composizione del
portafoglio di tre titoli al variare di λ (che ho chiamato rt).

22 Frontiere efficienti a confronto

23 Frontiera efficiente accettabile

24 Ingrandimenti

25 Un metodo alternativo Wolfe (1959) “The simplex method for quadratic programming”. Il metodo è noto come long form ed è basato sulla sensitivity analysis. Consiste nel trasformare il problema quadratico in uno lineare.

26 Un nuovo approccio alla programmazione quadratica
In alternativa all’approccio classico basato sulle optimal bases nel simplex method ho studiato l’impiego della sensitivity analysis nell’interior point method. L’informazione prodotta dal metodo classico può risultare confusa a causa della non unicità della base ottimale.

27 Le fondamenta dello studio
Il problema diventa trovare: dove simmetrica e semidefinita positiva matrice di rango m

28 optimal value function
Main Tools Wolfe duality theorem Complementary condition Maximal complementary solution Optimal tri-partition e optimal sets Critical Line Method Sensitivity Analysis corner portfolio transition point efficient frontier optimal value function

29 Pregi del metodo Come in Markowitz, i punti della optimal value function corrispondono ad intervalli del parametro su cui la partizione è costante Il metodo è una estensione del modello di Markowitz anche in caso di degenerazione, grazie alla nozione di tri-partition sets

30 Osservazioni sullo studio condotto
Il metodo è ancora in fase di sviluppo e perfezionamento Una possibile estensione è nella direzione dei modelli M-V: considerare i casi in cui il parametro λ influenza non solo le preferenze rischio-rendimento ma anche i vincoli sulle risorse da investire.

31 Esempio illustrativo (non finanziario)

32 Transition points, optimal partitions
B N T λ =-8 {3,5} {1,4} {2} -8< λ<-5 {2,3,5} Ø λ =-5 {1,3,4,5} -5< λ<0 {1,2} {3,4,5} λ =0 0< λ<1.74 {1,2,3,4,5} λ=1.74 {2,3,4,5} {1} 1.74< λ<3.33 λ =3.33 3.33< λ<+∞

33 Optimal Value Function

34 Esempio illustrativo tratto da Vörös (finanziario)
Il problema analizzato è dove

35 Transition points, optimal partitions
B N T λ =0.237 {3} {1,2,4,5} Ø 0.237<λ<0.505 {1,3,4} {2,5} λ =0.505 {5} {2} 0.505<λ<0.520 {1,2,3,4} λ =0.520 {1,2,4} 0.520<λ<1.065 {3,5} λ=1.065 1.065<λ<1.145 λ =1.145 {1,2,5} {4} 1.145<λ<1.392 {3,4} λ =1.392 {1,5} 1.392<λ<1.780 {2,3,4} λ =1.780 {1} {2,3,4,5}