Pravděpodobnostní modelování pro adaptivní optimalizaci portfolia

Abstract

Tato práce zkoumá aplikaci vícerozměrné lineární regrese v rámci bayesovského přístupu kombinovanou s odhadováním struktury, za účelem optimal- izace portfolia, pro predikci budoucích výnosů aktiv na finančních trzích. Přínosem této práce je zjišťování, zda představený postup spolu s odhadováním struktury přináší potenciální zlepšení v přesnosti předpovědí ve srovnání s tradičními refer- enčními metodami. Zkoumáním různých vstupních hodnot doplněných o důkladnou diskusi, jsme byli schopni rozhodnout, která data mají značný vliv na návratnosti a zda má získaný model prediktivní hodnotu.

This thesis investigates the application of multivariate linear regression within a Bayesian framework combined with structure estimation, serving to port- folio optimization by predicting future asset returns in financial markets. The contribution of this project lies in analysing whether the presented approach provides potential improvements in predictive accuracy over traditional baseline methods. By discussing and exploring various input data, we were able to determine which data have significant influence on returns and whether the gained predictor carries substantial predictive power.