การจัดสรรพอร์ตการลงทุนเชิงพลวัตและการพยากรณ์ผลตอบแทนการลงทุน โดยใช้แบบจำลองการเปลี่ยนระบบแบบมาร์คอฟ
Files
Publisher
Issued Date
2022
Issued Date (B.E.)
2565
Available Date
Copyright Date
Resource Type
Series
Edition
Language
tha
File Type
application/pdf
No. of Pages/File Size
197 แผ่น
ISBN
ISSN
eISSN
DOI
Other identifier(s)
b214793
Identifier(s)
Access Rights
Access Status
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
Physical Location
สถาบันบัณฑิตพัฒนบริหารศาสตร์. สำนักบรรณสารการพัฒนา
Bibliographic Citation
Citation
ปวเรศ ปิยะจิตเมตตา (2022). การจัดสรรพอร์ตการลงทุนเชิงพลวัตและการพยากรณ์ผลตอบแทนการลงทุน โดยใช้แบบจำลองการเปลี่ยนระบบแบบมาร์คอฟ. Retrieved from: https://repository.nida.ac.th/handle/662723737/6165.
Title
การจัดสรรพอร์ตการลงทุนเชิงพลวัตและการพยากรณ์ผลตอบแทนการลงทุน โดยใช้แบบจำลองการเปลี่ยนระบบแบบมาร์คอฟ
Alternative Title(s)
Dynamic portfolio allocation and investment return forecasting using a Markov-switching model
Author(s)
Advisor(s)
Editor(s)
item.page.dc.contrubutor.advisor
Advisor's email
Contributor(s)
Contributor(s)
Abstract
การศึกษาในครั้งนี้ประยุกต์ใช้แบบจำลองการเปลี่ยนระบบแบบมาร์คอฟ (Markov-Switching) โดยแบ่งการศึกษาออกเป็น 2 ส่วน ส่วนที่ 1 ประยุกต์ใช้แบบจำลองการเปลี่ยนระบบแบบมาร์คอฟ ในการประมาณค่าผลตอบแทนคาดหวัง ความแปรปรวน และความแปรปรวนร่วมระหว่างสินทรัพย์การลงทุนในพอร์ตการลงทุนประกอบด้วยหุ้นขนาดใหญ่ หุ้นขนาดเล็ก และตราสารหนี้รัฐบาล ซึ่งมีการเปลี่ยนแปลงเชิงพลวัตในภาวะตลาดต่าง ๆ จากนั้นจึงนำผลการประมาณค่าที่ได้ไปใช้ปรับน้ำหนักการลงทุนสำหรับการจัดสรรการลงทุนในสินทรัพย์เชิงพลวัต และส่วนที่ 2 ประยุกต์ใช้แบบจำลองการเปลี่ยนระบบมาร์คอฟในการพยากรณ์ผลตอบแทนหุ้น ผลการศึกษาในส่วนที่ 1 พบว่า แบบจำลองการเปลี่ยนระบบแบบมาร์คอฟ สามารถนำมากำหนดช่วงเวลาที่ตลาดอยู่ในภาวะกระทิงและหมี และพยากรณ์การปรับเปลี่ยนระบบในอนาคต โดยช่วงที่ตลาดอยู่ในภาวะตลาดกระทิง หุ้นขนาดใหญ่และหุ้นขนาดเล็กจะเป็นสินทรัพย์ที่มีผลตอบแทนและความเสี่ยงเหมาะสมในการจัดสรรน้ำหนักการลงทุน ในขณะที่ภาวะตลาดหมี การจัดสรรน้ำหนักการลงทุนเกือบทั้งหมดจะอยู่ที่ตราสารหนี้ซึ่งมีลักษณะเป็นสินทรัพย์ปลอดภัย เมื่อวิเคราะห์ผลการดำเนินการของพอร์ตการลงทุน พบว่า การปรับพอร์ตการลงทุนเชิงพลวัต ตามผลการประมาณค่าในแบบจำลองเปลี่ยนระบบแบบมาร์คอฟ สามารถให้ผลการดำเนินงานเมื่อพิจารณาจากอัตราผลตอบแทนสะสม อัตราผลตอบแทนเฉลี่ยต่อปี และค่า Sharpe ratio ที่ดีกว่าพอร์ตการลงทุนทั้งในกรณีการจัดสรรน้ำหนักเท่า ๆ กันในแต่ละสินทรัพย์ และการจัดพอร์ตามวิธีการ Mean-variance แบบปกติ ซึ่งผลการดำเนินงานที่ดีกว่าพบทั้งในกรณีการคำนวณค่าโดยใช้ข้อมูลในช่วงการประมาณค่า (In-Sample) และข้อมูลนอกช่วงการประมาณค่า (Out-of-Sample) นอกจากนี้ ผลการศึกษาในส่วนที่ 2 พบว่า แบบจำลองการเปลี่ยนระบบมาร์คอฟมีความแม่นยำในการพยากรณ์ผลตอบแทนหุ้นที่แม่นยำกว่าแบบจำลองเวคเตอร์ออโตรีเกรสชัน (Vector Autoregression)
This study employed the Markov-switching model by divided into 2 sections. Section 1, applying Markov-switching model for estimating the expected return, variance, and covariance of the investment portfolio including large capitalization stock, small capitalization stock and government bond. This model allows for changes in market regimes, i.e. bull and bear markets. Section 2, applying Markov-switching model for forecasting stock returns. The empirical results in section 1 showed that the large capitalization stock and small capitalization stock have higher risk-adjusted return and could be allocated in portfolio during the bull regime. However, almost all investment weights are allocated to government bonds, which are characterized as safe haven assets, during the bear regime. Comparing the portfolio performance, we found that dynamic portfolio allocation according to the parameter estimation in the Markov-switching model has better performance based on cumulative return, annualized return and Sharpe ratio than those of equal-weight portfolio and Markowitz mean-variance portfolio for both in-sample and out-of-sample periods. In addition, the empirical results in section 2 showed that Markov-switching model is more accurate in forecasting stock returns than the Vector Autoregression model.
This study employed the Markov-switching model by divided into 2 sections. Section 1, applying Markov-switching model for estimating the expected return, variance, and covariance of the investment portfolio including large capitalization stock, small capitalization stock and government bond. This model allows for changes in market regimes, i.e. bull and bear markets. Section 2, applying Markov-switching model for forecasting stock returns. The empirical results in section 1 showed that the large capitalization stock and small capitalization stock have higher risk-adjusted return and could be allocated in portfolio during the bull regime. However, almost all investment weights are allocated to government bonds, which are characterized as safe haven assets, during the bear regime. Comparing the portfolio performance, we found that dynamic portfolio allocation according to the parameter estimation in the Markov-switching model has better performance based on cumulative return, annualized return and Sharpe ratio than those of equal-weight portfolio and Markowitz mean-variance portfolio for both in-sample and out-of-sample periods. In addition, the empirical results in section 2 showed that Markov-switching model is more accurate in forecasting stock returns than the Vector Autoregression model.
Table of contents
Description
วิทยานิพนธ์ (ศ.ม. (เศรษฐศาสตร์การเงิน))--สถาบันบัณฑิตพัฒนบริหารศาสตร์, 2565