Show simple item record

2020-11-04Masterarbeit DOI: 10.18452/22032
Automated Cryptocurrency Portfolios: Portfolio Optimization, an Empirical Study
dc.contributor.authorMorishige Takane, Guillermo Masayuki
dc.date.accessioned2020-11-04T14:21:49Z
dc.date.available2020-11-04T14:21:49Z
dc.date.issued2020-11-04none
dc.identifier.urihttp://edoc.hu-berlin.de/18452/22765
dc.description.abstractDiese Masterarbeit greift die Theorie der Portfoliooptimierung auf: die mathematische Formulierung des Problems, seine Ableitungen (Risikominimierungsformulierung) und Annahmen, seine Einschränkungen sowie einige Verbesserungen und Erweiterungen des bestehenden Frameworks. Ziel der Arbeit ist es auch, in Python zu simulieren und zu implementieren: Markowitz (Global Varianzminimal, Maximum Sharpe), Hierarchical Risk Parity und drei naiv Portfolios: gleichgewichtete, inverse Volatilität und inverse Varianz in der neuartigen Anlageklasse der Kryptowährungen. Als Benchmark wird die CRyptocurrency IndeX, CRIX, verwendet. Die Portfoliooptimierung wird anhand von 120 Tagen täglicher historischer Daten berechnet, wobei die Portfolio-Anpassung alle 7 Tage und 30 Tage erfolgt. Portfolios sind Long-Short Strategien ohne Hebelwirkung und Verbesserungen in der Kovarianzmatrix werden mithilfe von Eigenwert-Clipping der Zufallsmatrixtheorie angewendet.ger
dc.description.abstractThis thesis revisits the portfolio optimization theory: the mathematical formulation of the problem, its derivations (risk minimization formulation) and assumptions, its limitations, as well as some improvements and extensions of the existing framework. The aim of the thesis is also to simulate and implement in Python: Markowitz (Global Minimum Variance, maximum Sharpe), Hierarchical Risk Parity and three simple portfolios: equally weighted, inverse volatility and inverse variance in the novel asset class of cryptocurrencies. The CRyptocurrency IndeX, CRIX, is used as benchmark. Portfolio optimization is computed using 120 days of daily historical data with portfolio rebalancing taking place every 7 days and 30 days. Portfolios are long-short fully invested with no leverage and improvements in the covariance matrix are applied by means of random matrix theory eigenvalues clipping.eng
dc.language.isoengnone
dc.publisherHumboldt-Universität zu Berlin
dc.rights(CC BY 4.0) Attribution 4.0 Internationalger
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectEigenwert-Clippingger
dc.subjecthierarchische Risikoparitätger
dc.subjectKryptowährungenger
dc.subjectMarkowitzger
dc.subjectmoderne Portfolio-Theorieger
dc.subjectZufallsmatrixtheorieger
dc.subjectPortfoliooptimierungger
dc.subjectCRIXger
dc.subjecteigenvalue clippingeng
dc.subjecthierarchical risk parityeng
dc.subjectcryptocurrencieseng
dc.subjectMarkowitzeng
dc.subjectmodern portfolio theoryeng
dc.subjectrandom matrix theoryeng
dc.subjectportfolio optimizationeng
dc.subjectCRIXeng
dc.subject.ddc330 Wirtschaftnone
dc.titleAutomated Cryptocurrency Portfolios: Portfolio Optimization, an Empirical Studynone
dc.typemasterThesis
dc.identifier.urnurn:nbn:de:kobv:11-110-18452/22765-4
dc.identifier.doihttp://dx.doi.org/10.18452/22032
dc.date.accepted2020-09-30
dc.contributor.refereeHaerdle, Wolfgang
dc.contributor.refereeLopez Cabrera, Brenda
dc.contributor.refereeRen, Rui
local.edoc.pages38none
local.edoc.type-nameMasterarbeit
local.edoc.institutionWirtschaftswissenschaftliche Fakultätnone

Show simple item record