Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Smart Beta - index weighting
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
2015 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Smart Beta - index weighting (Swedish)
Abstract [en]

This study is a thesis ending a 120 credit masters program in Mathematics with specialization Financial Mathematics and Mathematical Statistics at the Royal Institute of Technology (KTH).

The subject of Smart beta is defined and studied in an index fund context. The portfolio weighting schemes tested are: equally weighting, maximum Sharpe ratio, maximum diversification, and fundamental weighting using P/E-ratios. The outcome of the strategies is measured in performance (accumulated return), risk, and cost of trading, along with measures of the proportions of different assets in the portfolio.

The thesis goes through the steps of collecting, ordering, and ”cleaning” the data used in the process. A brief explanation of historical simulation used in estimation of stochastic variables such as expected return and covariance matrices is included, as well as analysis on the data’s distribution.

The process of optimization and how rules for being UCITS compliant forms optimization programs with constraints is described.

The results indicate that all, but the most diversified, portfolios tested outperform the market cap weighted portfolio. In all cases, the trading volumes and the market impact is increased, in comparison with the cap weighted portfolio. The Sharpe ratio maximizer yields a high level of return, while keeping the risk low. The fundamentally weighted portfolio performs best, but with higher risk. A combination of the two finds the portfolio with highest return and lowest risk. 

Abstract [sv]

Denna studie är ett examensarbete som avslutar ett 120 poängs mastersprogram i Matematik med inriktning mot Finansiell Matematik och Matematisk Statistik på Kungliga Tekniska Högskolan (KTH).

Ämnet Smart beta studeras i kontexten av en indexfond, där de olika testade principerna för viktning i portföljerna är: likaviktad, maximerad Sharpe-kvot, maximerad diversifiering, och fundamental viktning användandes av P/E-tal. Utfallet i testerna utvärderas i ackumulerad avkastning, portföljrisk, kostnad att handla i portföljen, och ett antal mått på fördelningen av tillgångarna.

Studien går stegvis igenom processen för att samla in, ordna, och ”tvätta” data. En kort förklaring av historisk simulering, metoden för att estimera stokastiska variabler såsom kovariansmatriser, är inkluderad, såväl som en analys av distributionen av data.

Processen för att optimera portföljerna och hur regler för att vara en UCITS-fond kan omformas till optimeringsvillkor beskrivs.

Resultaten indikerar att alla utom den mest diversifierade portföljen har högre ackumulerad avkastning än den marknadsviktade portföljen under testperioden. I alla testade fall ökar handelsvolymen liksom marknadspåverkan när en annan strategi än marknadsviktad används. Portföljen med maximerad Sharpe-kvot ger en hög avkastning med bibehållen låg risk. Den fundamentalt viktade portföljen ger bäst avkastning, men med en litet förhöjd risk. Kombinationen av de båda metoderna ger den portföljen med högst ackumulerad avkastning och samtidigt lägst risk under testperioden. 

Place, publisher, year, edition, pages
2015.
Series
TRITA-MAT-E, 2015:38
Keyword [en]
Smart beta, portfolio optimization, Sharpe ratio, equal weights, diversification, fundamental analysis, P/E-ratio, performance, risk, trading cost, market impact.
Keyword [sv]
Smart beta, portföljoptimering, Sharpe-kvot, likaviktad, diversifiering
National Category
Probability Theory and Statistics
Identifiers
URN: urn:nbn:se:kth:diva-168745OAI: oai:DiVA.org:kth-168745DiVA: diva2:820525
External cooperation
SEB
Subject / course
Mathematical Statistics
Educational program
Master of Science - Mathematics
Supervisors
Examiners
Available from: 2015-06-12 Created: 2015-06-08 Last updated: 2015-06-12Bibliographically approved

Open Access in DiVA

fulltext(15450 kB)