Dynamic Portfolio Optimization During Economic Recession

Při optimalizaci portfolia často narážíme na problematiku, jakým způsobem vyjádřit míru rizika portfolia a také na problematiku výběru vhodné optimalizační metody. Tyto problémy jsou zvláště umocněny v dobách ekonomické recese, která může být způsobena také například globální pandemií COVID. Recese velmi často vede k značné nejistotě na trzích a tím k extrémní volatilitě. Cílem této práce je popsat hlavní přístupy k modelování tržního rizika pomocí rodiny modelů Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Následně se využívají přístupy k dynamické optimalizaci portfolia na denní bázi a porovnávají se upravené modely Markowitze a Mean-ES model. Markowitzův model je v této práci upraven tak, že je hlavní diagonála kovarianční matice uvažovaných aktiv nahrazena mírami rizika, volatilitou a Expected Shortfall (ES), které jsou získány jako výstup ze zmíněných GARCH a Exponential GARCH (EGARCH) modelů. Samotné porovnání jednotlivých přístupů (modelů) je založeno na srovnání jejich výnosnosti v prvním pololetí globální pandemie COVID pro vhodně vybrané portfolio. Rozdíl ve výkonosti mezi modely založenými na Markowitzově modelu se ukazuje být nevýznamný. Nelze tedy jednoznačně určit, který model je pro optimalizaci portfolia vhodnější. Co ovšem lze předpokládat je fakt, že během ekonomické recese je vhodnější používat ES jako míru rizika na místo klasické volatility. Z výsledků této práce však vyplívá, že model Mean-ES by mohl být nejvhodnějším modelem pro optimalizaci v období ekonomické recese, neboť poskytuje významně lepší výnosnost portfolia.