La selezione di portafoglio si configura come processo decisionale in condizioni di incertezza. Secondo un approccio classico, questa si denota come statica: le decisioni di investimento sono effettuate all'inizio di un periodo e nulla può essere rivisto sino alla fine dello stesso. In questo trattato si affronta un approccio differente, detto dinamico, che permette la revisione periodica di portafoglio in modo da sfruttare appieno le modificate condizioni economiche e permettere un'adeguata gestione dei rischi. L'incertezza è rappresentata attraverso la generazione di scenari. Si propone un modello di ricerca dei pesi ottimi di portafoglio in modo da minimizzare il CVaR dato il livello di rendimento atteso finale e se ne presenta un'applicazione mediante una metodologia ascrivibile alla classe delle "biologically inspired optimization": gli algoritmi genetici.

Programmazione stocastica per la gestione dinamica di portafoglio: un'applicazione attraverso gli algoritmi genetici.

Greselin, Davide
2012/2013

Abstract

La selezione di portafoglio si configura come processo decisionale in condizioni di incertezza. Secondo un approccio classico, questa si denota come statica: le decisioni di investimento sono effettuate all'inizio di un periodo e nulla può essere rivisto sino alla fine dello stesso. In questo trattato si affronta un approccio differente, detto dinamico, che permette la revisione periodica di portafoglio in modo da sfruttare appieno le modificate condizioni economiche e permettere un'adeguata gestione dei rischi. L'incertezza è rappresentata attraverso la generazione di scenari. Si propone un modello di ricerca dei pesi ottimi di portafoglio in modo da minimizzare il CVaR dato il livello di rendimento atteso finale e se ne presenta un'applicazione mediante una metodologia ascrivibile alla classe delle "biologically inspired optimization": gli algoritmi genetici.
2012-10-16
File in questo prodotto:
File Dimensione Formato  
831558-1156413.pdf

accesso aperto

Tipologia: Altro materiale allegato
Dimensione 2.62 MB
Formato Adobe PDF
2.62 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14247/1078