The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 9 of 24
Back to Result List

Analysis of Portfolio Risk of Private Investors

Analyse des Portfoliorisikos bei privaten Investoren.

  • This dissertation includes three research articles on the portfolio risks of private investors. In the first article, we analyze a large data set of private banking portfolios in Switzerland of a major bank with the unique feature that parts of the portfolios were managed by the bank, and parts were advisory portfolios. To correct the heterogeneity of individual investors, we apply a mixture model and a cluster analysis. Our results suggest that there is indeed a substantial group of advised individual investors that outperform the bank managed portfolios, at least after fees. However, a simple passive strategy that invests in the MSCI World and a risk-free asset significantly outperforms both the better advisory and the bank managed portfolios. The new regulation of the EU for financial products (UCITS IV) prescribes Value at Risk (VaR) as the benchmark for assessing the risk of structured products. The second article discusses the limitations of this approach and shows that, in theory, the expected return of structured products can be unbounded while the VaR requirement for the lowest risk class can still be satisfied. Real-life examples of large returns within the lowest risk class are then provided. The results demonstrate that the new regulation could lead to new seemingly safe products that hide large risks. Behavioral investors who choose products based only on their official risk classes and their expected returns will, therefore, invest into suboptimal products. To overcome these limitations, we suggest a new risk-return measure for financial products based on the martingale measure that could erase such loopholes. Under the mean-VaR framework, the third article discusses the impacts of the underlying's first four moments on the structured product. By expanding the expected return and the VaR of a structured product with its underlying moments, it is possible to investigate each moment's impact on them, simultaneously. Results are tested by Monte Carlo simulation and historical simulation. The findings show that for the majority of structured products, underlyings with large positive skewness are preferred. The preferences for variance and for kurtosis are ambiguous.
  • Diese Dissertation umfasst drei Forschungsarbeiten zum Thema Portfoliorisiken bei privaten Investoren. In der ersten Arbeit analysieren wir einen großen Datensatz von Private-Banking-Portfolios einer schweizerischen Großbank. Dieser Datensatz weist die Besonderheit auf, dass ein Teil der Portfolios von der Bank verwaltet wurde, während der andere Teil Beratungsportfolios waren. Um die Heterogenität der einzelnen Anleger zu korrigieren, setzen wir ein Mixture-Model und eine Cluster-Analyse ein. Unsere Ergebnisse legen nahe, dass es tatsächlich innerhalb der Beratungsportfolios eine gewichtige Gruppe von Einzelinvestoren gibt, die in der Lage waren, die Verwaltungsportfolios zuübertreffen, zumindest nach Abzug der Gebühren. Doch eine einfache passive Strategie, die in den MSCI World Index und eine risikofreie Anlage investiert, übertrifft signifikant sowohl die besseren Beratungsportfolios als auch die Verwaltungsportfolios. Die neue Regelung der EU für Finanzprodukte (UCITS IV) schreibt den Value-at-Risk (VaR) als Maßstab für die Einschätzung von Risiken strukturierter Produkte vor. In der zweiten Forschungsarbeit diskutieren wir die Grenzen dieses Ansatzes und zeigen, dass in der Theorie die erwartete Rendite von strukturierten Produkten unbegrenzt sein kann, während die VaR-Anforderung für die niedrigste Risikoklasse immer noch erfüllt sein kann. Beispiele aus der Praxis mit großen Renditen innerhalb der niedrigsten Risikoklasse werden dargestellt. Die Ergebnisse zeigen, dass es durch die neue Regelung möglich ist, riskante Produkte als scheinbar sicher zu bewerben. Verhaltensorientierte Investoren, die Produkte nur auf Basis ihrer offiziellen Risikoklassen und ihrer erwarteten Renditen wählen, werden dementsprechend in suboptimale Produkte investieren. Um diese Einschränkungen zu überwinden, schlagen wir eine neues Risiko-Rendite-Maß für Finanzprodukte auf Basis des Martingalmaßes vor, welches solche Schlupflöcher schließen könnte. Im Rahmen des Mean-VaRs diskutiert die dritte Forschungsarbeit die Auswirkungen der ersten vier Momente des Basiswerts auf das strukturierte Produkt. Durch die Expansion der erwarteten Rendite und des VaRs eines strukturierten Produkts mit den Momenten des Basiswerts, ist es möglich, die Auswirkungen aller Momente auf sie gleichzeitig zu untersuchen. Die Ergebnisse werden durch Monte-Carlo-Simulation und historische Simulation getestet. Die Ergebnisse zeigen, dass für die Mehrheit der strukturierten Produkte Basiswerte mit großer positiver Schiefe bevorzugt werden. Die Präferenzen für Varianz und für Kurtosis sind mehrdeutig.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Ji Cao
URN:urn:nbn:de:hbz:385-9025
Advisor:Marc Oliver Rieger
Document Type:Doctoral Thesis
Language:English
Date of completion:2014/12/19
Publishing institution:Universität Trier
Granting institution:Universität Trier, Fachbereich 4
Date of final exam:2014/12/09
Release Date:2014/12/19
Tag:Einzelinvestor; Mixture-Model; Strukturierte Produkt
Value at Risk; individual investor; private banking; risk measure; structured products
GND Keyword:Cluster-Analyse; Kurtosis; Portfoliomanagement; Private Banking; Risikomaß; Schiefe; Value at Risk
Institutes:Fachbereich 4 / Wirtschaftswissenschaften
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 65 Management, Öffentlichkeitsarbeit / 650 Management und unterstützende Tätigkeiten
JEL-Classification:C Mathematical and Quantitative Methods / C0 General / C02 Mathematical Methods
C Mathematical and Quantitative Methods / C1 Econometric and Statistical Methods: General / C16 Specific Distributions
C Mathematical and Quantitative Methods / C6 Mathematical Methods and Programming / C61 Optimization Techniques; Programming Models; Dynamic Analysis
G Financial Economics / G1 General Financial Markets / G11 Portfolio Choice; Investment Decisions
G Financial Economics / G2 Financial Institutions and Services / G28 Government Policy and Regulation

$Rev: 13581 $