Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

Costola, Michele (2013) Essays in Financial Econometrics. [Tesi di dottorato]

Full text disponibile come:

Documento PDF

Abstract (inglese)

The present doctoral thesis covers different aspects in the financial econometrics area.
In particular, the research focuses on the heterogeneous agents in the market (rational and behavioural), the performance measures related to this type of agents and, more generally, the asset evaluation within a portfolio selection framework. Further, the time varying dependence among the financial markets is also considered.
In general, the financial markets represent one of the main indicators for the dynamics of the business cycle as noted by Siegel (1991). Viceversa, Hamilton and Lin (1998), for example, found that economic recessions are the main factor that leads the fluctuations in the volatility of stock returns. Therefore, there is evidence for an interdependence relationship among the economic cycle and the financial markets.
In this context, it is interesting to analyze the markets by looking at investors as decision makers in the asset selection process. Moreover, the time varying dependence among
the financial markets could imply a change in the portfolio in term of diversification, with effects on investors' portfolios.
The first chapter presents a rational learning model which considers the information coming to a HARA investor from a behavioural counterpart. The main goal is to investigate
this component's effect, in terms of utility function, on asset evaluation during the allocation process. This heterogeneous framework has two types of agents with two different utility functions, a rational agent with a hyperbolic absolute risk aversion (HARA) utility function and the second with a general behavioural utility function.
To compare the assets, each agent uses the concept of performance measure related to utility functions. The higher the measure, the higher the expected utility of a given asset. The HARA agent is a rational learner agent. The rational learning is defined as the process undertaken through Bayesian updating of the prior beliefs. The prior beliefs derive by the utility function of the rational agent and the updating process of beliefs takes place through the presence of the behavioural counterpart. The choice is conditioned by adopting an Herding behaviour, which is the tendency for an investor to abandon her own information to imitate the behaviour of other investors. Therefore, the rational investor is conditioning her choice towards behavioural investors to give rise to the positive feedback effect. This effect has been documented by Scharfstein and Stein (1990) on fund manager, Grinblatt et al. (1995) in mutual fund behaviour and by Devenow and Welch (1996) on forecasts made by financial analysts. The rational learner agent adopts a positive feedback strategy through herding behaviour to improve her investment.
In this regard, the two components are blended in a Bayesian manner. The model is built analogously to Black-Litterman model to obtain the aggregated measure adjusted by a weighting factor. The goal in the application of the model is to check if the positive feedback effect exists. The work shows that conditioning the choice of the HARA investor towards a behavioural direction improves the selection amongst the assets. The empirical analysis is performed on all the assets present in the NASDAQ stock exchange from December 1989 to February 2012. This chapter is a solo paper.
The second chapter declines with a different purpose the model developed in the first chapter. In this context, two categories of agents are considered, one rational with a risk adverse utility function and one with an S-shaped loss averse value function similar to Kahneman and Tversky (1979). Agents take investment decisions in the same way by ranking the alternative assets according to their performance measures.
We assume that a type of agent is endowed with an S-shaped loss averse value function. This produces the intuitive and empirically validated prediction that the attitude of undertaking risky investments changes according to the fluctuations of the financial market. According to this assumption, in periods of (financial and economic) recession, financial agents are attracted by more risky investments that might generate, with some positive probability, returns that compensate previous (observed) losses. On the other hand, in periods of expansion, financial agents are more reluctant to undertake a risky
investment that might reduce, with some positive probability, previous (observed) capital gains. In this chapter the model estimates the relative weight of the behavioural component in the financial market. The empirical analysis is based on monthly data on the components of the S&P 500 index from January 1962 to April 2012. The relative weight of the behavioural category over the rational's one has an intuitive explanation:
the higher the value of the weighting factor, the higher is the weight of the behavioural component in the aggregated measure. The estimated value of the weighting factor is obtained by maximizing the cumulated return of the one hundred most performing assets of the mixture ranking. Intuitively, the weighting factor captures the extent to which the financial market should have moved from the ordering of the rational category to the ranking of the behavioural agents to maximize the return of the "best" one hundred assets.
By choosing a selection of one hundred assets, we capture the systemic dimension of the financial market. The results confirm the existence of a significant behavioural component, which is more likely to emerge during recessions. A strong correlation emerges between the estimated relative weight series and the VIX index, which implies that the estimates substantially explain financial expectations. This is a joint paper with Professors
Massimiliano Caporin and Luca Corazzini (University of Padova).
The third chapter introduces a novel criterion for performance measure combination designed to be used as an equity screening algorithm. The combination criterion follows the general idea of linearly combining existing performance measures with positive weights. These weights are determined by means of an optimisation problem. The underlying criterion function explicitly takes into account the risk-return trade-off potentially associated with the equity screens, evaluated on a historical and rolling basis. By construction, and due to the rolling window evaluation approach, the methodology provides
performance combination weights that can vary over time, thus allowing for changes in preferences across performance measures. The proposed approach is implicitly robust to the dynamic features of the returns densities, as these will affect the evaluation of performance measures that are the inputs of our screening algorithm. The final product of the linear combination of performance measure is a composite performance index,
which can then be used to create asset screens. We present an empirical application that illustrates the use of the screening algorithm in a simplified portfolio allocation.
This is a joint paper with Professors Monica Billio (Ca' Foscari University of Venice) and Massimiliano Caporin.
The fourth chapter examines the financial contagion using a regime switching approach with vine copulas. Vine Copulas allows us to model easily a multivariate framework with the use of the pair-copula decomposition introduced by Aas et al. 2009). The marginals are modelled by the GARCH process with long memory volatility{in mean as introduced by Christensen et al. (2010). In particular, this model well captures the long{range dependence characterizing financial time series, allowing for asymmetric effects in the GARCH equation and for the news impact in the mean. Moreover, we decided to use Copula functions to model the dependence structure across variables. The final purpose is to use a long memory GARCH process to filter the marginal series and then to use a regime switching approach among different copula families to model the dependence structure. Diebold and Inoue (2001) highlight that these two approaches can lead to misleading results. In fact, long memory can easily be confused with structural changes and viceversa. In our case, we are looking at long memory and regime switching in a complementary way, since we use them on different dimensions. Vine Copula families are considered to build the multivariate dependence structure with Pair-Copula construction methodology (Aas et al., 2009). In the empirical analysis, we focus on the main European countries (Germany, France, Italy, Spain and Netherlands) to detect contagion (and financial integration). In the thesis, a preliminary version of the paper is included in which we filtered the series using the exponential GARCH process. This is a joint paper with Professor Bent Jesper Christensen (CREATES - Aarhus University). [brace not closed]

Abstract (italiano)

La presente tesi di dottorato verte su alcuni aspetti di econometria finanziaria. In particolare, il lavoro si concentra sui diversi tipi di agente presenti nel mercato (razionale e comportamentale), sulle misure di performance legate a questo tipo di agenti e, più in generale, alla valutazione delle attività finanziarie per la selezione dei titoli di portafoglio.
Siegel (1991) ha osservato come possono variare le dipendenze tra i diversi mercati finanziari nel corso del tempo.
Si è visto che, generalmente, i mercati finanziari rappresentano uno degli indicatori principali nell'individuare la dinamica del ciclo economico. Viceversa, Hamilton e Lin (1998) hanno evidenziato come le recessioni economiche rappresentino il fattore principale nel determinare la volatilità dei rendimenti nei mercati azionari. Pertanto, esiste chiaramente un rapporto di interdipendenza tra ciclo economico e mercati finanziari.
In questo contesto, risulta quindi interessante analizzare i mercati finanziari, dalla prospettiva dei diversi tipi di investitore, durante il processo di valutazione e selezione dell'attività finanziarie di portafoglio. Inoltre, l'analisi della dipendenza tra i vari mercati finanziari lungo la dimensione temporale permette di monitorare il rischio di portafoglio dell'investitore in termini di diversificazione.
Il primo capitolo presenta un modello di apprendimento (rational learning) per l'investitore razionale che considera nella selezione dei titoli finanziari le informazioni provenienti da un investitore comportamentale. I due tipi di agente hanno due differenti funzioni di utilità: l'agente razionale è dotato di una funzione di utilità con avversione al rischio iperbolico (HARA) mentre l'altro agente di una funzione di utilità comportamentale generale introdotta da Zakamouline (2011). L'obiettivo principale del lavoro è quello di studiare l'effetto della componente comportamentale, espressa in termini di utilità, sulla valutazione delle attività finanziarie durante il processo di allocazione. Per valutare e ordinare queste attività, ogni agente utilizza il concetto di misura di performance legato alla propria funzione di utilità. Maggiore è il valore della misura, maggiore è l'utilità attesa di tale attività. L'agente HARA è un agente che effettua un
apprendimento razionale (rational learning process), definito come il processo intrapreso da un'investitore razionale attraverso l'aggiornamento delle proprie belief (convinzioni) iniziali. Nel caso in esame, le belief a priori derivano dalla valutazione dei titoli finanziari attraverso la misura di performance definita dalla funzione di utilità dell'agente razionale. Il processo di aggiornamento di queste belief iniziali scaturisce dalla presenza della controparte comportamentale. L'investitore razionale in uenza la propria scelta adottando un herding behavior (comportamento imitativo), che rappresenta la tendenza di un investitore nel trascurare volontariamente le proprie informazioni per imitare il comportamento di altri investitori. Pertanto, l'investitore razionale condiziona la sua
scelta verso gli investitori comportamentali al fine di dar luogo ad un effetto di feedback positivo (positive feedback). Questo effetto è stato documentato da Scharfstein e Stein (1990) sulla gestione dei fondi, Grinblatt et al. (1995) nel comportamento dei fondi comuni e da Devenow e Welch (1996) sulle previsioni degli analisti finanziari. Quindi, al fine di migliorare il proprio investimento, l'agente razionale adotta la strategia di feedback positivo attraverso l'herding behavior. Infatti, tenendo conto della presenza di altre tipologie di investitori, l'agente razionale agisce in modo più sofisticato rispetto alla propria condizione iniziale.
Il meccanismo di apprendimento, ovvero come la componente razionale viene condizionata verso la componente comportamentale, è di tipo Bayesiano ed il modello è costruito in modo analogo al modello di Black-Litterman. La misura aggregata è ottenuta specificando un valore di ponderazione che definisce implicitamente il peso della componente comportamentale. L'analisi empirica mostra che il condizionamento dell'investitore razionale verso una direzione comportamentale fornisce un miglioramento nella scelta delle attività finanziarie in termini di rendimenti cumulati. Il campione considerato nell'analisi riguarda tutte i titoli azionari presenti nel mercato NASDAQ da dicembre 1989 a febbraio 2012. Questo capitolo è un lavoro a firma singola.
Il secondo capitolo declina in modalità diversa il modello sviluppato nel primo capitolo. In questo contesto, vengono considerate due categorie di agenti: la prima categoria,
razionale con una funzione di utilità avversa al rischio e la seconda, con una funzione di utilità a S (convessa nel dominio delle perdite e concava nel dominio dei guadagni) simile a Kahneman e Tversky (1979). Gli agenti prendono decisioni di investimento allo stesso modo, ordinando in termini di utilità le attività finanziarie in base alle loro misure di performance.
Assumere che un tipo di un agente sia dotato di una funzione di utilità a S, mostra intuitivamente (ed empiricamente) che l'attitudine nell'intraprendere investimenti rischiosi cambia in base alle fluttuazioni del mercato azionario. Secondo questa ipotesi, in periodi di recessione (finanziaria ed economica), gli agenti finanziari sono attratti da investimenti più rischiosi, che possono generare, con una certa probabilità positiva, rendimenti che compensano le precedenti perdite osservate. Viceversa, in periodi di espansione, gli agenti finanziari risultano maggiormente riluttanti nel prendere posizione in investimenti rischiosi che potrebbero ridurre i guadagni precedentemente osservati.
Il modello si propone di stimare il peso relativo della componente comportamentale nel mercato finanziario. L'analisi empirica si basa su dati mensili delle componenti dello S&P 500 da gennaio 1962 ad aprile 2012. Il peso della componente comportamentale rispetto a quella razionale indica che maggiore è il valore di tale fattore di ponderazione, maggiore è il peso che assume la componente comportamentale nella misura aggregata.
La stima del fattore di ponderazione è ottenuta massimizzando il rendimento cumulato di cento titoli derivanti dalla misura aggregata. Intuitivamente, il fattore di ponderazione cattura la misura in cui il mercato finanziario dovrebbe essersi spostato dall'ordinamento ottenuto dalla funzione di utilità dell'agente razionale verso l'ordinamento ottenuto dalla funzione di utilità comportamentale, al fine di massimizzare il rendimento dei "migliori" cento titoli.
La dimensione scelta per la selezione permette di catturare la componente sistemica del mercato azionario.
I risultati confermano l'esistenza di una componente comportamentale significativa che risulta emergere durante le fasi di turbolenza del mercato. Infine, l'evidenza di una correlazione tra la serie del fattore di ponderazione e l'indice VIX, implica che il fattore stimato spiega sostanzialmente le aspettative finanziarie del mercato. Questo capitolo è a firma congiunta con i professori Massimiliano Caporin e Luca Corazzini (Università di Padova).
Il terzo capitolo introduce un nuovo criterio per la combinazione delle misure di performance, costruito per essere utilizzato come algoritmo di screening su titoli finanziari. Il criterio di combinazione segue l'idea generale di combinare linearmente misure di performance esistenti in letteratura. Questi pesi vengono determinati attraverso un problema di ottimizzazione di combinazione convessa dei pesi di tali misure. La funzione del criterio di ottimizzazione tiene esplicitamente conto del trade-off rischio-rendimento.
Gli asset vengono valutati su una finestra temporale costruita su base storica. Per costruzione, e per l'approccio di valutazione effettuato su una finestra temporale fissa, i pesi della combinazione delle misure stimate possono variare nel tempo, consentendo quindi cambiamenti nelle preferenze nelle misure di performance. L'approccio proposto è implicitamente robusto per le caratteristiche dinamiche della funzione di densità dei rendimenti e di come queste possono infuenzare la valutazione delle misure di performance (che rappresentano i valori di input dell'algoritmo di screening). Il risultato finale della combinazione lineare delle misura di performance è un indice composito, che può essere quindi essere utilizzato per creare screening sui titoli finanziari. Un'applicazione empirica illustra l'utilizzo dell'algoritmo di screening in un schema semplificato di allocazione di portafoglio. Il capitolo è a firma congiunga con professori Monica Billio (Università Ca 'Foscari di Venezia) e Massimiliano Caporin.
Il quarto capitolo esamina il contagio finanziario utilizzando un approccio a cambio di regime (regime switching) basato sulle vine copula. Le vine copula permettono di operare facilmente in un contesto multivariato attraverso l'uso della decomposizione pair-copula (a copula bivariate), introdotto da Aas et al. (2009). Le serie degli indici finanziari (dette le marginali delle copula) sono modellate da processi GARCH a memoria lunga con la volatilità che entra nell'equazione delle media, Christensen et al. (2010). In particolare, questi modelli ben catturano la dipendenza lunga che caratterizza le serie finanziarie, consentendo inoltre effetti asimmetrici nell'equazione GARCH ed includendo l'impatto delle innovazioni nella media. Nel lavoro, le funzioni copula vengono utilizzate per modellare la struttura delle dipendenze tra i mercati finanziari. L'obiettivo del capitolo è quello di utilizzare il processo GARCH a memoria lunga per filtrare le serie marginali e successivamente utilizzare l'approccio a cambio di regime. Le diverse famiglie di copula utilizzate in ciascun regime, permettono di avere diverse strutture di dipendenza tra gli indici azionari nei regimi considerati.
Diebold e Inoue (2001) hanno evidenziato come i processi a memoria lunga e a cambio di regime possano portare a risultati fuorvianti. Infatti, la memoria lunga può venire facilmente scambiata per dei cambiamenti strutturali nelle serie e viceversa. Nel nostro caso, la memoria lunga e il cambio di regime vengono utilizzati in modo complementare, dal
momento che vengono applicate lungo diverse dimensioni; rispettivamente, univariata e multivariata. L'analisi empirica si concentra sui principali paesi europei (Germania, Francia, Italia, Spagna e Paesi Bassi), al fine di individuare contagio finanziario o integrazione finanziaria. Il capitolo rappresenta una versione preliminare del lavoro, dove gli indici azionari sono stati modellati mediante il processo esponenziale GARCH a memoria
lunga (FIEGARCH). Lo studio è a firma congiunta con il professor Bent Jesper Christensen (CREATES - Università di Aarhus).

Statistiche Download - Aggiungi a RefWorks
Tipo di EPrint:Tesi di dottorato
Relatore:Caporin, Massimiliano
Dottorato (corsi e scuole):Ciclo 25 > Scuole 25 > ECONOMIA E MANAGEMENT
Data di deposito della tesi:29 Luglio 2013
Anno di Pubblicazione:31 Luglio 2013
Parole chiave (italiano / inglese):investment decision, behavioral agents, mixture model, behavioral expectations, rational agents, time series analysis, long memory, copula, volatility models,regime switching copula, decisione di investimento, agenti comportamentali, aspettative comportamentali, agenti razionali, analisi di serie temporali, processi a memoria lunga, copula, modelli di volatilità
Settori scientifico-disciplinari MIUR:Area 13 - Scienze economiche e statistiche > SECS-P/05 Econometria
Area 13 - Scienze economiche e statistiche > SECS-P/01 Economia politica
Struttura di riferimento:Dipartimenti > Dipartimento di Scienze Economiche e Aziendali "Marco Fanno"
Codice ID:6160
Depositato il:27 Mar 2014 11:47
Simple Metadata
Full Metadata
EndNote Format


I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

Aas, K., Czado, C., Frigessi, A., and Bakken, H. (2009). Pair-copula constructions of Cerca con Google

multiple dependence. Insurance: Mathematics and Economics, 44(2):182-198. Cerca con Google

Aftalion, F., Poncet, P., Avramov, D., Chordia, T., Barberis, N., Huang, M., Santos, Cerca con Google

T., Biglova, A., Ortobelli, S., Rachev, S., et al. (2003). Les techniques de mesure de Cerca con Google

performance. Review of Financial Studies, 7:507-521. Cerca con Google

Allais, M. (1953). Le comportement de l'homme rationnel devant le risque: Critique des Cerca con Google

postulats et axiomes de l'ecole americaine. Econometrica, 21(4):pp. 503-546. Cerca con Google

Ang, A., Hodrick, R. J., Xing, Y., and Zhang, X. (2006). The cross-section of volatility Cerca con Google

and expected returns. The Journal of Finance, 61(1):259-299. Cerca con Google

Bacon, C. R. (2011). Practical portfolio performance measurement and attribution, volume Cerca con Google

568. Wiley. com. Cerca con Google

Baig, T. and Goldfajn, I. (2000). The Russian default and the contagion to Brazil, Cerca con Google

volume 420. International Monetary Fund. Cerca con Google

Baillie, R. T., Bollerslev, T., and Mikkelsen, H. O. (1996). Fractionally integrated Cerca con Google

generalized autoregressive conditional heteroskedasticity. Journal of econometrics, Cerca con Google

74(1):3-30. Cerca con Google

Ballestero, E., Gunther, M., Pla-Santamaria, D., and Stummer, C. (2007). Portfolio Cerca con Google

selection under strict uncertainty: A multi-criteria methodology and its application to Cerca con Google

the frankfurt and vienna stock exchanges. European Journal of Operational Research, Cerca con Google

181(3):1476-1487. Cerca con Google

Bange, M. M. (2000). Do the portfolios of small investors re Cerca con Google

ect positive feedback Cerca con Google

trading? Journal of Financial and Quantitative Analysis, 35(02):239-255. Cerca con Google

Barberis, N., Huang, M., and Santos, T. (2001). Prospect theory and asset prices. The Cerca con Google

Quarterly Journal of Economics, 116(1):1-53. Cerca con Google

Barberis, N. and Thaler, R. (2003). Chapter 18 a survey of behavioral finance. 1, Part Cerca con Google

B:1053 -1128. Cerca con Google

Bedford, T. and Cooke, R. M. (2001). Probability density decomposition for conditionally Cerca con Google

dependent random variables modeled by vines. Annals of Mathematics and Cerca con Google

Artificial intelligence, 32(1-4):245-268. Cerca con Google

Bedford, T. and Cooke, R. M. (2002). Vines-a new graphical model for dependent Cerca con Google

random variables. The Annals of Statistics, 30(4):1031-1068. Cerca con Google

Bell, D. E. (1985). Disappointment in decision making under uncertainty. Operations Cerca con Google

Research, 33(1):pp. 1-27. Cerca con Google

Benartzi, S. and Thaler, R. H. (2001). Naive diversification strategies in defined contribution Cerca con Google

saving plans. American economic review, pages 79-98. Cerca con Google

Bertero, E. and Mayer, C. (1990). Structure and performance: Global interdependence Cerca con Google

of stock markets around the crash of october 1987? European Economic Review, Cerca con Google

34(6):1155-1180. Cerca con Google

Biglova, A., Ortobelli, S., Rachev, S. T., and Stoyanov, S. (2004). Different approaches to Cerca con Google

risk estimation in portfolio theory. The Journal of Portfolio Management, 31(1):103-112. Cerca con Google

Billio, M. and Caporin, M. (2005). Multivariate markov switching dynamic conditional Cerca con Google

correlation garch representations for contagion analysis. Statistical methods and ap Cerca con Google

plications, 14(2):145-161. Cerca con Google

Billio, M., Caporin, M., and Costola, M. (2012). Backward/forward optimal combination Cerca con Google

of performance measures for equity screening. University Ca'Foscari of Venice, Dept. Cerca con Google

of Economics Research Paper Series, (13). Cerca con Google

Billio, M. and Pelizzon, L. (2003). Contagion and interdependence in stock markets: Cerca con Google

Have they been misdiagnosed? Journal of Economics and Business, 55(5):405-426. Cerca con Google

Black, F. (1976). Studies of stock price volatility changes. Proceedings of the American Cerca con Google

Statistical Association, Business and Economic Statistics Section., pages 177-181. Cerca con Google

Black, F. and Litterman, R. (1992a). Financial Analysts Journal, 48(5):28-43. Cerca con Google

Black, F. and Litterman, R. (1992b). Global portfolio optimization. Financial Analysts Cerca con Google

Journal, pages 28-43. Cerca con Google

Black, F. and Scholes, M. (1973). The pricing of options and corporate liabilities. The Cerca con Google

journal of political economy, pages 637-654. Cerca con Google

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Jour- Cerca con Google

nal of Econometrics, 31(3):307 -327. Cerca con Google

Bollerslev, T. and Ole Mikkelsen, H. (1996). Modeling and pricing long memory in stock Cerca con Google

market volatility. Journal of Econometrics, 73(1):151-184. Cerca con Google

Boyer, B. H., Gibson, M. S., and Loretan, M. (1997). Pitfalls in tests for changes in Cerca con Google

correlations, volume 597. Board of Governors of the Federal Reserve System. Cerca con Google

Brechmann, E. C. and Czado, C. (2012). Risk management with high-dimensional vine Cerca con Google

copulas: An analysis of the euro stoxx 50. Submitted for publication. Cerca con Google

Brechmann, E. C., Czado, C., and Aas, K. (2012). Truncated regular vines in high dimensions Cerca con Google

with application to financial data. Canadian Journal of Statistics, 40(1):68-85. Cerca con Google

Burke, G. (1994). A sharper sharpe ratio. Futures, 23(3):56. Cerca con Google

Calvo, S. and Reinhart, C. (1996). Capital Cerca con Google

ows to latin america: is there evidence of Cerca con Google

contagion effects? World Bank Policy Research Working Paper, (1619). Cerca con Google

Campbell, J. Y. and Hentschel, L. (1992). No news is good news: An asymmetric model Cerca con Google

of changing volatility in stock returns. Journal of financial Economics, 31(3):281-318. Cerca con Google

Caporin, M., Jannin, G., Lisi, F., and Maillet, B. (2011). A survey on the four families Cerca con Google

of performance measures. Available at SSRN 2115399. Cerca con Google

Caporin, M. and Lisi, F. (2009). Comparing and selecting performance measures for Cerca con Google

ranking assets. Available at SSRN 1393163. Cerca con Google

Cass, D. and Stiglitz, J. E. (1970). The structure of investor preferences and asset Cerca con Google

returns, and separability in portfolio allocation: A contribution to the pure theory of Cerca con Google

mutual funds. Journal of Economic Theory, 2(2):122-160. Cerca con Google

CBOE (2003). Vix: Cboe volatility index. White Paper, Vai! Cerca con Google

Cherny, A. (2003). Generalized sharpe ratios and asset pricing in incomplete markets. Cerca con Google

European Finance Review, 7(2):191-233. Cerca con Google

Cherny, A. and Madan, D. (2009). New measures for performance evaluation. Review Cerca con Google

of Financial Studies, 22(7):2571-2606. Cerca con Google

Chollete, L., Heinen, A., and Valdesogo, A. (2009). Modeling international financial returns Cerca con Google

with a multivariate regime-switching copula. Journal of Financial Econometrics, Cerca con Google

7(4):437-480. Cerca con Google

Christensen, B. J. and Nielsen, M. . (2007). The effect of long memory in volatility on Cerca con Google

stock market Cerca con Google

uctuations. The Review of Economics and Statistics, 89(4):684-700. Cerca con Google

Ding, Z., Granger, C. W., and Engle, R. F. (1993). A long memory property of stock Cerca con Google

market returns and a new model. Journal of empirical finance, 1(1):83-106. Cerca con Google

Dissmann, J., Brechmann, E. C., Czado, C., and Kurowicka, D. (2012). Selecting and Cerca con Google

estimating regular vine copulae and application to financial returns. Computational Cerca con Google

Statistics & Data Analysis. Cerca con Google

Dowd, K. (2000). Adjusting for risk:: An improved sharpe ratio. International review Cerca con Google

of economics & finance, 9(3):209-222. Cerca con Google

Eling, M. (2008). Does the measure matter in the mutual fund industry? Financial Cerca con Google

Analysts Journal, pages 54-66. Cerca con Google

Eling, M., Farinelli, S., Rossello, D., and Tibiletti, L. (2011). One-size or tailor-made Cerca con Google

performance ratios for ranking hedge funds&quest. Journal of Derivatives & Hedge Cerca con Google

Funds, 16(4):267-277. Cerca con Google

Eling, M. and Schuhmacher, F. (2007). Does the choice of performance measure in Cerca con Google

uence Cerca con Google

the evaluation of hedge funds? Journal of Banking & Finance, 31(9):2632-2647. Cerca con Google

Engle, R. F. (1982a). Autoregressive conditional heteroscedasticity with estimates of Cerca con Google

the variance of united kingdom in Cerca con Google

ation. Econometrica, 50(4):pp. 987-1007. Cerca con Google

Engle, R. F. (1982b). Autoregressive conditional heteroscedasticity with estimates of Cerca con Google

the variance of united kingdom in Cerca con Google

ation. Econometrica: Journal of the Econometric Cerca con Google

Society, pages 987-1007. Cerca con Google

Engle, R. F. and Bollerslev, T. (1986). Modelling the persistence of conditional variances. Cerca con Google

Econometric reviews, 5(1):1-50. Cerca con Google

Engle, R. F., Lilien, D. M., and Robins, R. P. (1987). Estimating time varying risk premia Cerca con Google

in the term structure: the arch-m model. Econometrica: Journal of the Econometric Cerca con Google

Society, pages 391-407. Cerca con Google

Fama, E. F. (1998). Market efficiency, long-term returns, and behavioral finance. Journal Cerca con Google

of financial economics, 49(3):283-306. Cerca con Google

Farinelli, S., Ferreira, M., Rossello, D., Thoeny, M., and Tibiletti, L. (2008). Beyond Cerca con Google

sharpe ratio: Optimal asset allocation using different performance ratios. Journal of Cerca con Google

Banking & Finance, 32(10):2057-2063. Cerca con Google

Farinelli, S., Ferreira, M., Rossello, D., Thoeny, M., and Tibiletti, L. (2009). Optimal Cerca con Google

asset allocation aid system: From one-size vs tailor-made performance ratio. European Cerca con Google

Journal of Operational Research, 192(1):209-215. Cerca con Google

Farinelli, S. and Tibiletti, L. (2008). Sharpe thinking in asset ranking with one-sided Cerca con Google

measures. European Journal of Operational Research, 185(3):1542-1547. Cerca con Google

Fischer, M., Kock, C., Schluter, S., and Weigert, F. (2009). An empirical analysis of Cerca con Google

multivariate copula models. Quantitative Finance, 9(7):839-854. Cerca con Google

Forbes, K. J. and Rigobon, R. (2002). No contagion, only interdependence: measuring Cerca con Google

stock market comovements. The Journal of Finance, 57(5):2223-2261. Cerca con Google

Forbes, W. (2009). Behavioural finance. Wiley. Cerca con Google

Friedman, M. (1953). The Case for Flexible Exchange Rates. pages 157-203. Cerca con Google

Friedman, M. and Savage, L. J. (1948). The utility analysis of choices involving risk. Cerca con Google

Journal of Political Economy, 56(4):pp. 279-304. Cerca con Google

Garber, P. M. (1990). Famous first bubbles. The Journal of Economic Perspectives, Cerca con Google

4(2):pp. 35-54. Cerca con Google

Gatfaoui, H. (2009). Deviation from normality and sharpe ratio behavior: A brief Cerca con Google

simulation study. Investment Management and Financial Innovations, 7(4):pp. 95- Cerca con Google

107. Cerca con Google

Gilli, M. and Schumann, E. (2012). Heuristic optimisation in financial modelling. Annals Cerca con Google

of operations research, 193(1):129-158. Cerca con Google

Grinblatt, M., Titman, S., and Wermers, R. (1995). Momentum investment strategies, Cerca con Google

portfolio performance, and herding: A study of mutual fund behavior. The American Cerca con Google

economic review, pages 1088-1105. Cerca con Google

Grinold, R. C. and Kahn, R. N. (2000). Active portfolio management, volume 2. Cerca con Google

McGraw-Hill New York. Cerca con Google

Grossman, S. J. and Stiglitz, J. E. (1980a). On the impossibility of informationally Cerca con Google

efficient markets. The American Economic Review, 70(3):pp. 393-408. Cerca con Google

Grossman, S. J. and Stiglitz, J. E. (1980b). On the impossibility of informationally Cerca con Google

efficient markets. The American Economic Review, pages 393-408. Cerca con Google

Guidolin, M. and Timmerman, A. (2005). Optimal portfolio choice under regime switching, Cerca con Google

skew and kurtosis preferences. (2005-006). Cerca con Google

Hagstromer, B. and Binner, J. M. (2009). Stock portfolio selection with full-scale optimization Cerca con Google

and differential evolution. Applied Financial Economics, 19(19):1559-1571. Cerca con Google

Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time Cerca con Google

series and the business cycle. Econometrica: Journal of the Econometric Society, Cerca con Google

pages 357-384. Cerca con Google

Hamilton, J. D. and Lin, G. (1998). Stock market volatility and the business cycle. Cerca con Google

Journal of Applied Econometrics, 11(5):573-593. Cerca con Google

Hardouvelis, G. A., Malliaropulos, D., and Priestley, R. (2006). Emu and european stock Cerca con Google

market integration. The Journal of Business, 79(1):365-392. Cerca con Google

Hartmann, P., Straetmans, S., and Vries, C. d. (2004). Asset market linkages in crisis Cerca con Google

periods. Review of Economics and Statistics, 86(1):313-326. Cerca con Google

Harvey, C. R., Liechty, J. C., Liechty, M. W., and Muller, P. (2010). Portfolio selection Cerca con Google

with higher moments. Quantitative Finance, 10(5):469-485. Cerca con Google

He, G. and Litterman, R. (2002). The intuition behind black-litterman model portfolios. Cerca con Google

Hodges, S. (1998). A generalization of the sharpe ratio and its applications to valuation Cerca con Google

bounds and risk measures. Cerca con Google

Hommes, C. H. (2006). Chapter 23 heterogeneous agent models in economics and finance. Cerca con Google

2:1109 - 1186. Cerca con Google

Hwang, S. and Salmon, M. (2001). An analysis of performance measures using copulae. Cerca con Google

Joe, H., Li, H., and Nikoloulopoulos, A. K. (2010). Tail dependence functions and vine Cerca con Google

copulas. Journal of Multivariate Analysis, 101(1):252-270. Cerca con Google

Jondeau, E. and Rockinger, M. (2006a). The copula-garch model of conditional dependencies: Cerca con Google

An international stock market application. Journal of international money Cerca con Google

and finance, 25(5):827-853. Cerca con Google

Jondeau, E. and Rockinger, M. (2006b). Optimal portfolio allocation under higher Cerca con Google

moments. European Financial Management, 12(1):29-55. Cerca con Google

Kahneman, D. and Tversky, A. (1979). Prospect theory: An analysis of decision under Cerca con Google

risk. Econometrica, 47(2):pp. 263-292. Cerca con Google

Kaplan, P. D. and Knowles, J. A. (2004). Kappa: A generalized downside risk-adjusted Cerca con Google

performance measure. Journal Of Perfomance Measurement, 8:42-54. Cerca con Google

Kaplanis, E. C. (1988). Stability and forecasting of the comovement measures of international Cerca con Google

stock market returns. Journal of International Money and Finance, 7(1):63-75. Cerca con Google

Kestner, L. N. (1996). Getting a handle on true performance. FUTURES, 25:44-47. Cerca con Google

Kindleberger, C. and Aliber, R. (2005). Manias, panics, and crashes: A history of Cerca con Google

financial crises, wiley. Cerca con Google

Kobberling, V. andWakker, P. P. (2005). An index of loss aversion. Journal of Economic Cerca con Google

Theory, 122(1):119 - 131. Cerca con Google

Koopman, S. J. et al. (2012). Time series analysis by state space methods, volume 38. Cerca con Google

OUP Oxford. Cerca con Google

Krink, T., Mittnik, S., and Paterlini, S. (2009). Differential evolution and combinatorial Cerca con Google

search for constrained index-tracking. Annals of Operations Research, 172(1):153-176. Cerca con Google

Krink, T. and Paterlini, S. (2011). Multiobjective optimization using differential evolution Cerca con Google

for real-world portfolio optimization. Computational Management Science, 8(1- Cerca con Google

2):157-179. Cerca con Google

Labonte, M. and Makinen, G. (2002). The current economic recession: How long, how Cerca con Google

deep, and how different from the past? Technical report, Congressional Research Cerca con Google

Service. Cerca con Google

Lamont, O. A. and Thaler, R. H. (2003a). Anomalies: The law of one price in financial Cerca con Google

markets. The Journal of Economic Perspectives, 17(4):191-202. Cerca con Google

Lamont, O. A. and Thaler, R. H. (2003b). Anomalies: The law of one price in financial Cerca con Google

markets. The Journal of Economic Perspectives, 17(4):191-202. Cerca con Google

Le Sourd, V. (2007). Performance measurement for traditional investment. Financial Cerca con Google

Analysts Journal, 58(4):36-52. Cerca con Google

LeRoy, S. F. and Werner, J. (2000). Principles of financial economics. Cambridge Cerca con Google

University Press. Cerca con Google

Lintner, J. (1965). The valuation of risk assets and the selection of risky investments Cerca con Google

in stock portfolios and capital budgets. The Review of Economics and Statistics, Cerca con Google

47(1):pp. 13-37. Cerca con Google

Lo, S. and Wilke, R. A. (2010). A copula model for dependent competing risks. Journal Cerca con Google

of the Royal Statistical Society: Series C (Applied Statistics), 59(2):359-376. Cerca con Google

Long, J. B. D., Shleifer, A., Summers, L. H., and Waldmann, R. J. (1989). Positive Cerca con Google

feedback investment strategies and destabilizing rational speculation. Working Paper Cerca con Google

2880, National Bureau of Economic Research. Cerca con Google

Longin, F. and Solnik, B. (1995). Is the correlation in international equity returns Cerca con Google

constant: 1960-1990? Journal of international money and finance, 14(1):3-26. Cerca con Google

Loretan, M. and English, W. B. (2000). Iii. special feature: Evaluating changes in Cerca con Google

correlations during periods of high market volatility. BIS Quarterly Review, pages Cerca con Google

29-36. Cerca con Google

Malkiel, B. G. (2003). The efficient market hypothesis and its critics. The Journal of Cerca con Google

Economic Perspectives, 17(1):pp. 59-82. Cerca con Google

Manner, H. and Reznikova, O. (2012). A survey on time-varying copulas: Specification, Cerca con Google

simulations, and application. Econometric reviews, 31(6):654-687. Cerca con Google

Maringer, D. (2005). Portfolio management with heuristic optimization. Advances in Cerca con Google

Computational Management Science. Cerca con Google

Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1):pp. 77-91. Cerca con Google

Mehra, R. and Prescott, E. C. (1985). The equity premium: A puzzle. Journal of Cerca con Google

Monetary Economics, 15(2):145 - 161. Cerca con Google

Modigliani, F. and Modigliani, L. (1997). Risk-adjusted performance. The Journal of Cerca con Google

Portfolio Management, 23(2):45-54. Cerca con Google

Mohr, E., Schmidt, G., and Jansen, S. (2013). A comparative study of heuristic conversion Cerca con Google

algorithms, genetic programming and return predictability on the german market. Cerca con Google

In Tantar, E., Tantar, A.-A., Bouvry, P., Del Moral, P., Legrand, P., Coello Coello, Cerca con Google

C. A., and Schtze, O., editors, EVOLVE- A Bridge between Probability, Set Oriented Cerca con Google

Numerics and Evolutionary Computation, volume 447 of Studies in Computational Cerca con Google

Intelligence, pages 393-414. Springer Berlin Heidelberg. Cerca con Google

Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Cerca con Google

Econometrica: Journal of the Econometric Society, pages 347-370. Cerca con Google

Newey, W. K. and McFadden, D. (1994). Large sample estimation and hypothesis Cerca con Google

testing. Handbook of econometrics, 4:2111-2245. Cerca con Google

Patton, A. J. (2006a). Estimation of multivariate models for time series of possibly Cerca con Google

different lengths. Journal of Applied Econometrics, 21(2):147-173. Cerca con Google

Patton, A. J. (2006b). Modelling asymmetric exchange rate dependence*. International Cerca con Google

economic review, 47(2):527-556. Cerca con Google

Patton, A. J. (2012). A review of copula models for economic time series. Journal of Cerca con Google

Multivariate Analysis. Cerca con Google

Pedersen, C. S. and Satchell, S. E. (2002). On the foundation of performance measures Cerca con Google

under asymmetric returns. Quantitative Finance, 2(3):217-223. Cerca con Google

Peng, Y. and Ng, W. L. (2012). Analysing financial contagion and asymmetric market Cerca con Google

dependence with volatility indices via copulas. Annals of Finance, 8(1):49-74. Cerca con Google

Price, K. V., Storn, R. M., and Lampinen, J. A. (2005). Differential evolution a practical Cerca con Google

approach to global optimization. Cerca con Google

Ratner, M. (1992). Portfolio diversification and the inter-temporal stability of international Cerca con Google

stock indices. Global Finance Journal, 3(1):67-77. Cerca con Google

Rodriguez, J. C. (2007). Measuring financial contagion: A copula approach. Journal of Cerca con Google

Empirical Finance, 14(3):401-423. Cerca con Google

Roger, B. N. (2006). An introduction to copulas. Cerca con Google

Scharfstein, D. S. and Stein, J. C. (1990). Herd behavior and investment. The American Cerca con Google

Economic Review, pages 465-479. Cerca con Google

Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under Cerca con Google

conditions of risk. The Journal of Finance, 19(3):pp. 425-442. Cerca con Google

Sharpe, W. F. (1966). Mutual fund performance. Journal of business, pages 119-138. Cerca con Google

Shefrin, H. and Statman, M. (2000). Behavioral portfolio theory. Journal of Financial Cerca con Google

and Quantitative Analysis, 35(02):127-151. Cerca con Google

Shih, J. H. and Louis, T. A. (1995). Inferences on the association parameter in copula Cerca con Google

models for bivariate survival data. Biometrics, pages 1384-1399. Cerca con Google

Siegel, J. J. (1991). Does it pay stock investors to forecast the business cycle? The Cerca con Google

Journal of Portfolio Management, 18(1):27-34. Cerca con Google

Sortino, F. A. and Price, L. N. (1994). Performance measurement in a downside risk Cerca con Google

framework. The Journal of Investing, 3(3):59-64. Cerca con Google

Sortino, F. A. and Van Der Meer, R. (1991). Downside risk. The Journal of Portfolio Cerca con Google

Management, 17(4):27-31. Cerca con Google

Starmer, C. (2000). Developments in non-expected utility theory: The hunt for a descriptive Cerca con Google

theory of choice under risk. Journal of economic literature, pages 332-382. Cerca con Google

Storn, R. and Price, K. (1997). Differential evolution-a simple and efficient heuristic for Cerca con Google

global optimization over continuous spaces. Journal of global optimization, 11(4):341- Cerca con Google

359. Cerca con Google

Tibiletti, L. and Farinelli, S. (2003). Upside and downside risk with a benchmark. Cerca con Google

Atlantic Economic Journal, 31:387-387. 10.1007/BF02298499. Cerca con Google

Treynor, J. L. (1964). How to rate management of investment funds, volume 43. Cerca con Google

Tversky, A. and Kahneman, D. (1992). Advances in prospect theory: Cumulative Cerca con Google

representation of uncertainty. Journal of Risk and Uncertainty, 5:297-323. Cerca con Google

10.1007/BF00122574. Cerca con Google

Wei, G. (2011). Copula parameter estimation by maximum-likelihood and minimumdistance Cerca con Google

estimators: a simulation study. Computational Statistics, 26(1):31-54. Cerca con Google

Whaley, R. E. (2000). The investor fear gauge. The Journal of Portfolio Management, Cerca con Google

26(3):12-17. Cerca con Google

Young, T. (1991). Calmar ratio: A smoother tool. Future Magazine (1 October). Cerca con Google

Zakamouline, V. (2011). Portfolio performance evaluation with loss aversion. Quantita- Cerca con Google

tive Finance, pages 1-12. Cerca con Google

Zakamouline, V. and Koekebakker, S. (2009a). A generalisation of the mean-variance Cerca con Google

analysis. European Financial Management, 15(5):934-970. Cerca con Google

Zakamouline, V. and Koekebakker, S. (2009b). Portfolio performance evaluation with Cerca con Google

generalized sharpe ratios: Beyond the mean and variance. Journal of Banking & Cerca con Google

Finance, 33(7):1242 - 1254. Cerca con Google

Zeeman, E. C. (2007). On the unstable behaviour of stock exchanges. Journal of Cerca con Google

Mathematical Economics, 1(1):39-49. Cerca con Google

Zeeman, E. (1974). The unstable behavior of stock exchange. Journal of Mathematical Cerca con Google

Economics, (1):39-49. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record