Số 218 | Tháng 5/2024
Cải thiện sự hiệu quả của danh mục có phương sai nhỏ nhất thông qua các tín hiệu kỹ thuật từ đường trung bình động
Nguyễn Minh Nhật, Nguyễn Đức Trung, Trần Huỳnh Minh Tân
Tóm tắt:
Sự kết hợp giữa các tín hiệu kỹ thuật vào các mô hình tối ưu được xem là một trong những cách thức cải thiện hiệu quả đối với danh mục đầu tư (DMĐT) tối ưu. Trong bài nghiên cứu này, nhóm tác giả một lần nữa đã bổ sung các bằng chứng thực nghiệm về sự kết hợp hiệu quả giữa hai yếu tố này trên thị trường chứng khoán Việt Nam. Kết quả nghiên cứu cho thấy rằng, việc kết hợp mô hình có phương sai nhỏ nhất (GMVP) và hai đường trung bình động SMA – Trung bình động giản đơn và EMA – Trung bình động lũy thừa đều cho kết quả vượt trội so với mô hình truyền thống và chỉ số VN-Index của thị trường trên các tiêu chí đo lường như lợi nhuận trung bình hay chỉ số Sharpe. Mặc dù sự biến động của danh mục kết hợp có cao hơn so với danh mục GMVP đơn thuần, tuy nhiên rủi ro này là không đáng kể khi so với sự cải thiện về yếu tố lợi nhuận. Bên cạnh đó, rủi ro đến từ việc thay đổi trạng thái của danh mục hay rủi ro chi phí giao dịch tăng cao cũng không thực sự lớn khi tiêu chí mức độ thay đổi danh mục hàng tuần (Portfolio Turnover) có sự thay đổi không lớn khi chỉ dao động trong phạm vi -0,7% –1%. Kết quả nghiên cứu kỳ vọng có thể khích lệ các nhà đầu tư chú ý hơn đến việc cải tiến hoạt động tối ưu hóa DMĐT và ứng dụng trên thị trường chứng khoán Việt Nam.
Tài liệu tham khảo:
- Chopra, V. & Ziemba, W. (1993). The effect of errors in means, variances, and covariances on optimal portfolio choice. Journal of Portfolio Management, 19(2).
- Clarke, R., Harindra, S. & Thorley, S (2006). Minimum-variance portfolios in the us equity market. The Journal of Portfolio Management, 33, 10–24.
- Clarke, R., Harindra, S. & Thorley, S (2013). Risk Parity, Maximum Diversification, and Minimum Variance: An Analytic Perspective. The Journal of Portfolio Management, 3, 39-53.
- Mo, D., & Chen, Y. (2021). Projecting financial technical indicators into networks as a tool to build a portfolio. IEEE Access, 9, 39973-39984.
- DeMiguel, V. & Francisco N. (2009). Portfolio selection with robust estimation. Operations Research, 57(3), 560–577.
- Eng, W. K., Abd Shukor, N. E. S., Ismail, N. R., & Halim, S. A. (2017). Golden cross as buying indicator for stock investment in Bursa Malaysia. Terengganu International Finance and Economics Journal (TIFEJ), 2(2), 94-102.
- Florin, T., Florin, D. & Petre, B. (2016). Using technical analysis for portfolio selection and post-investment analysis. Economic Computation and Economic Cybernetics Studies and Research, 1(50).
- Kempf, A. & Memmel, C. (2006). Estimating the Global Minimum Variance Portfolio. Schmalenbach Business Review, 58, 1-18
- Mitra L. & Mitra G. (2011). The Handbook of News Analytics in Finance. John Wiley & Sons.
- Santos, A. & Torrent, H. (2022). Markowitz meets technical analysis: Building optimal portfolios by exploiting information in trend-following signals. Finance Research Letters, 49.
- Theron, L. & Van Vuuren, G. (2018). The maximum diversification investment strategy: A portfolio performance comparison. Cogent Economics & Finance, Taylor & Francis, Abingdon, 6(1), 1-16.
- Tsai, Y. S., Chang, C. P., & Tzang, S. W. (2018). The Impact of Golden Cross and Death Cross Frequency on Stock Returns in Pre-and Post-financial Crisis. In Innovative Mobile and Internet Services in Ubiquitous Computing: Proceedings of the 11th International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS-2017) (pp. 708-713). Springer International Publishing.
Improving the Efficiency of the Global Minimum Variance Portfolio through Technical Signals from Moving Averages
Abstract:
The combination of technical signals into optimal models is considered one of the ways to improve the efficiency of optimal investment portfolios. In this paper, the authors have once again added empirical evidence about the effective combination of these two factors in the Vietnamese stock market. Research results have shown that the combination of the GMVP model and the two moving averages, SMA and EMA, both give superior results compared to the traditional GMVP model and the market VN-Index on performance metrics such as annual return or Sharpe ratio. Although the volatility of the hybrid portfolio is higher than that of the GMVP, this risk is negligible compared to the improvement in return factors. Besides, the risk of changing the status of the portfolio or the risk of increased transaction costs is relatively small when the Portfolio Turnover criteria change insignificantly. The results of this research are expected to encourage investors to pay more attention to improving portfolio optimization activities and applications on the Vietnamese stock market.