Bài giảng đại chúng: “Ước lượng Ma trận Hiệp phương sai để Lựa chọn Danh mục Đầu tư: từ lý thuyết Markowitz đến Goldilocks và Sharknadoes”

Chiều Thứ Hai 17/6/2019 tại Viện Nghiên cứu cao cấp về Toán, GS. Michael Wolf (Đại học Zurich, Thụy Sĩ) trình bày bài giảng về chủ đề lựa chọn danh mục đầu tư sử dụng ước lượng co gọn của ma trận hiệp phương sai tỷ suất lợi nhuận tài sản với số chiều lớn.

 IMG_8990.JPG

Nhiều ứng dụng trong khoa học dữ liệu và kinh tế lượng đòi hỏi phải ước lượng một cách tin cậy ma trận hiệp phương sai với số chiều lớn, trong số đó có bài toán lựa chọn danh mục đầu tư của Markowitz.

Lựa chọn danh mục đầu tư của Markowitz là một bài toán đầu tư kinh điển thu hút sự quan tâm từ các nhà đầu tư để có thể đề xuất các chiến lược đầu tư tốt. Bài toán này đã được Harry Markowitz tiên phong đưa ra nghiên cứu trong bài báo "Portfolio selection", được công bố trên tạp chí Journal of Finance vào năm 1952. Sau đó, ông đã được trao giải thưởng Nobel Kinh tế vào năm 1990 với những đóng góp phát triển Lý thuyết danh mục đầu tư hiện đại dựa trên nền tảng này. Lý thuyết danh mục đầu tư hiện đại là lý thuyết về cách các nhà đầu tư không thích rủi ro có thể xây dựng danh mục đầu tư để tối đa hóa lợi nhuận kỳ vọng dựa trên mức độ rủi ro thị trường nhất định, nhấn mạnh rằng rủi ro là một phần vốn có của lợi nhuận cao hơn. Theo lý thuyết, có thể xây dựng một "đường biên hiệu quả" của danh mục đầu tư tối ưu mang lại lợi nhuận kỳ vọng tối đa có thể cho một mức độ rủi ro nhất định. Tương tự như vậy, với mức lợi nhuận mong muốn mong muốn, một nhà đầu tư có thể xây dựng một danh mục đầu tư với rủi ro thấp nhất có thể, dựa trên các công cụ thống kê như phương sai và ma trận hiệp phương sai.

Khi số lượng tài sản lớn tương đương với số lượng quan sát, bài toán ước lượng trở nên khó giải hơn, và ma trận hiệp phương sai mẫu sẽ không sử dụng được.

Bài giảng đã tổng quát hóa những kết quả nghiên cứu của GS Michael Wolf và cộng sự trong lĩnh vực này hơn 15 năm qua. GS Michael Wolf và cộng sự đã nghiên cứu các phương pháp ước lượng co gọn khác nhau. Đặc biệt ước lượng co gọn phi tuyến cải thiện hiệu suất danh mục đầu tư, nhất là khi được sử dụng kết hợp với các đặc tính thực nghiệm, như đồng biến động thay đổi theo thời gian hoặc mô hình nhân tố.

IMG_8978.JPG

Michael Wolf là chuyên gia Kinh tế lượng và Thống kê ứng dụng tại Đại học Zurich và đã có bằng tiến sĩ Thống kê từ Đại học Stanford. Nghiên cứu của ông đã được công bố trên các tạp chí nổi tiếng trong lĩnh vực Thống kê, Kinh tế lượng và Tài chính như The Annals of Statistics, Biometrika, Econometrica, Journal of the American Statistical Association, and The Review of Financial Studies. GS. Michael Wolf cũng đã có kinh nghiệm tư vấn doanh nghiệp trên thế giới.

Slides: https://drive.google.com/drive/u/0/folders/1mzaBfzmafXnK9uvj72o_XzXlxHmkuCLV