View : 234 Download: 0

Full metadata record

DC Field Value Language
dc.contributor.advisor오만숙-
dc.contributor.author박정아-
dc.creator박정아-
dc.date.accessioned2018-03-06T16:30:43Z-
dc.date.available2018-03-06T16:30:43Z-
dc.date.issued2018-
dc.identifier.otherOAK-000000147550-
dc.identifier.urihttp://dcollection.ewha.ac.kr/common/orgView/000000147550en_US
dc.identifier.urihttp://dspace.ewha.ac.kr/handle/2015.oak/240378-
dc.description.abstractInterest in the stock market has been steady. Various machine running techniques such as RandomForest, Neural network, etc. tried to predict stock prices. Still, it is difficult to predict the exact price of a stock market considering a variety of market conditions, and it is difficult to obtain a stable return on investment by investing in the investor position. Accordingly, there is a study of various portfolio strategy to avoid risk and gain stable returns. The aim of this study is to present a portfolio strategy that allows you to circumvent risks and gain stable margins by using Bayesian quantile regression. Traditionally, risk is avoided by taking a portfolio strategy that uses conditional mean to reduce variance. However, in this paper, we propose a method to construct a portolio based on the quantile value by fitting a quantile regression model unlike the traditional method. We will use a financial variable that considers the soundness, profitability and cash flow of a total of 120 companies in the S&P500 to create a stable portfolio of five companies each month. In this paper, Bayesian quantile regression model predicts the next month 's quantile closing price value and constructs a portfolio by selecting the top five companies in order of each quantile value. As a result of the analysis, we can see that the effect on the stock price is different by quantile. The funds consisted of five companies with high 25% quantile values, resulting in a 71% cumulative return over two years.;주가예측에 대한 관심은 지속적으로 있어왔다. RandomForest, neural network 등의 다양한 머신러닝 기법으로 주가를 예측하려 했다. 하지만 다양한 시장 상황을 고려해 주가를 정확하게 예측한다는 것은 매우 어려운 일이고 투자자 입장에서 이를 기준으로 투자하여 안정적인 수익률을 얻는 것은 어렵다. 그에 따라 다양한 portfolio strategy을 통해 위험을 회피하고 안정적인 수익률을 확보하려는 연구가 대두되고 있다. 본 연구의 목적은 bayesian quantile regression을 이용해 리스크를 회피해 안정적인 수익률을 확보할 수 있는 portfolio strategy을 제시하는데 있다. 전통적으로 조건부 평균값을 이용해 분산을 줄이는 portfolio strategy를 취해 리스크를 회피한다. 하지만 본 논문에서는 전통적인 방법과 달리 quantile regression model을 적합시켜 quantile 값을 기준으로 portolio를 구성하는 방법을 제시한다. S&P500에 있는 총 120개 회사들의 건전성, 수익성, 현금흐름 등을 고려한 재무변수들을 사용하여 매달 5개 회사로 안정적인 수익률을 갖는 포드폴리오를 만들어 보고자 한다. 본 논문에서는 Bayesian quantile regression 모형을 통해 다음 달 종가를 quantile 별로 예측하여 값이 높은 순서대로 상위 5개 회사를 선택해 포트폴리오를 구성한다. 분석결과 quantile 별로 주가에 미치는 영향이 다름을 알 수 있다. Bayesian 방법이 frequentist 방법보다 좋은 예측률을 보였고 2년간 누적수익률에서 Bayesian 방법이 5%정도 높았다. 25% quantile 값이 높은 5개 회사로 펀드를 구성하여 2년 동안 71%의 누적 수익률을 확보했다.-
dc.description.tableofcontentsⅠ. Introduction 1 Ⅱ. Quantile regression 3 Ⅲ. Bayesian quantile regression 7 Ⅳ. Data Description 9 Ⅴ. Data analysis result 12 A. Quantile regression model fitting 12 B. Fund construction 17 Ⅵ. Conclusion 20 Reference 21 ABSTRACT 23-
dc.formatapplication/pdf-
dc.format.extent426935 bytes-
dc.languageeng-
dc.publisher이화여자대학교 대학원-
dc.subject.ddc500-
dc.titlePortfolio construction using Bayesian quantile regression-
dc.typeMaster's Thesis-
dc.creator.othernamePark Jeong Ah-
dc.format.pageiii, 24 p.-
dc.contributor.examiner오만숙-
dc.contributor.examiner송종우-
dc.contributor.examiner이은경-
dc.identifier.thesisdegreeMaster-
dc.identifier.major대학원 통계학과-
dc.date.awarded2018.2-
Appears in Collections:
일반대학원 > 통계학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE