Izgradnja diverzificiranih portfelja korištenjem principa pariteta rizika i strojnog učenja

diplomski rad

• Naslov (engleski): Building diversified portfolios using the risk parity principle and machine learning
• Autor: Dario Deković
• Mentor: Petra Posedel Šimović (mentor)
• Član povjerenstva: Petra Posedel Šimović (predsjednik povjerenstva)
• Član povjerenstva: Stjepan Šebek (član povjerenstva)
• Član povjerenstva: Stjepan Begušić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-12, Hrvatska

Sažetak

Izgradnja diverzificiranih portfelja težak je zadatak iz područja financija koji svoje korijene ima u modernoj teoriji portfelja. Nadalje, taj zadatak možemo podijeliti na dva smislena podzadatka, inicijalni izbor skupa investicija te optimalnu alokaciju sredstava unutar tog skupa. Kroz povijest su se pojavili razni pristupi svakom od navedenih podzadataka. U ovom radu istražio sam pristupe temeljene na strojnom učenju i paritetu rizika: nadzirano učenje za prvi podzadatak te hijerarhijski paritet rizika za drugi. Izgradio sam skup financijskih podataka za dionice iz S&P500 indeksa koji seže u povijest preko 20 godina te implementirao cjeloviti sustav za izgradnju portfelja. Testirao sam sustav i njegove sastavne dijelove na zadnjih pet godina podataka s mjesečnim rebalansiranjem portfelja.

Sažetak (engleski)

Building diversified portfolios is a difficult task in the field of finance that has its roots in modern portfolio theory. Furthermore, this task can be divided into two distinct subtasks, the initial selection of a set of investments and the optimal allocation of funds within that set. Throughout history, various approaches have appeared for each of the mentioned subtasks. In this paper, I explored methods based on machine learning and risk parity, specifically, supervised learning for the first subtask and hierarchical risk parity for the second. I built a set of financial data for stocks from the S&P500 index with over 20 years of history and implemented a complete system for building a portfolio. I tested the system and its components, with monthly portfolio rebalancing, on the last five years of data.

• Ključne riječi: izgradnja portfelja; optimizacija portfelja; strojno učenje; nadzirano učenje; hijerarhijski paritet rizika
• Ključne riječi (engleski): building portfolios; portfolio optimization; machine learning; supervised learning; hierarchical risk parity
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:153751
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-10-11 08:42:28