인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
The traditional Markowitz portfolio selection theory provides a framework for balancing returns and risk, but it has a key limitation: it cannot dynamically adjust to changing stock market conditions. In this study, we develop a Markowitz-based portfolio selection model that adjusts stock portfolio weights using a market volatility index reflecting macroeconomic and financial conditions. The model employs Ridge regression, a machine-learning technique, to dynamically estimate the portfolio’s target return, thereby allowing the portfolio to adapt to changing stock market conditions. To evaluate the performance of the proposed model, we applied it to three stock markets—the United States, Germany, and Hong Kong—using historical stock returns and volatility data spanning approximately 15 years, from November 2007 to January 2023. Over this sample period, the proposed model demonstrated superior performance relative to benchmark portfolios across multiple evaluation metrics, including cumulative returns, the Sharpe ratio, and the Sortino ratio. This study empirically demonstrates the effectiveness of the proposed model, which integrates market volatility and Ridge regression, and introduces a multidisciplinary portfolio optimization approach that combines financial engineering, operations research, and machine learning.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095550300
