Βελτιστοποίηση χαρτοφυλακίου σε περιβάλλον υψηλής διαστατικότητας με τη χρήση μεθόδων συρρίκνωσης

Η παρούσα διπλωματική εργασία εξετάζει την αποτελεσματικότητα των μεθόδων Συρρίκνωσης (Shrinkage Estimators) ως λύση στο πρόβλημα της ευαισθησίας των βέλτιστων χαρτοφυλακίων. Συγκεκριμένα, συγκρίνεται η απόδοση της παραδοσιακής Δειγματικής μεθόδου έναντι δύο εναλλακτικών προσεγγίσεων: της Γραμμικής Συρρίκνωσης (Linear Shrinkage) και της Μη-Γραμμικής Συρρίκνωσης (Non-Linear Shrinkage) των Ledoit και Wolf. Η εμπειρική ανάλυση βασίζεται σε μηνιαία δεδομένα 36 ευρωπαϊκών μετοχών υψηλής κεφαλαιοποίησης για την περίοδο 2015– 2025, καλύπτοντας ένα ευρύ φάσμα συνθηκών της αγοράς. Για την εμπειρική διερεύνηση της μελέτης, υιοθετήθηκε η μεθοδολογία ενός rolling window optimization, η οποία προσομοιώνει ρεαλιστικές συνθήκες διαχείρισης. Συγκεκριμένα, κατασκευάστηκε και εξετάστηκε ένα εύρος χαρτοφυλακίων με διαφορετικά χαρακτηριστικά, ενσωματώνοντας ποικίλους στόχους απόδοσης και εναλλακτικές στρατηγικές κατανομής κεφαλαίων. Η μεθοδολογία αυτή επέτρεψε τη διεξοδική ανάλυση της συμπεριφοράς των υπό εξέταση μοντέλων, καθώς και τη συγκριτική αξιολόγηση της αποτελεσματικότητάς τους σε διαφορετικά σενάρια αγοράς.