Optimalizace portfolia ETF pomocí služby Robo-advisory

Markéta Vystrčilová

Master's thesis

Optimize of ETF portfolio with Robo-advisory

Abstract:

Diplomová práce se zabývá procesem optimalizace portfolia v rámci služby Robo Advisory (Robo poradce). V dnešní době se mnoho mladých lidí snaží zhodnotit své investiční prostředky. Kvůli vysokým poplatkům a vysokým vstupním investicím u klasických investičních společností jsou tyto produkty často mimo jejich možnosti. Robo Advisory, kteří jsou v dnešní době stále rozšířenější, nabízí investování prostřednictvím ETF bez vysokých poplatků a s minimálními vstupními investicemi. Automatizace investičního procesu a absence lidského faktoru v podobě portfolio manažerů přispívá k nižším poplatkům. Robo Advisory navíc nabízejí možnost neustálé kontroly svého portfolia i investování z pohodlí domova díky online aplikaci, kterou si investor může stáhnout do svého chytrého telefonu. Metody a algoritmy, které se uvnitř Robo Advisory používají jsou velmi specifické (existuje pouze omezené množství „White Papers“, které přibližují fungování některých Robo Advisory). Všechny tyto faktory mě vedli k tomu, abych prozkoumala teoretický aspekt Robo Advisory a pokusila se vytvořit model optimalizace vhodný pro službu Robo Advisory. Cílem této diplomové práce je vytvořit, pomocí metody Black-Litterman, model optimalizace portfolia, který bude vyžadovat pouze minimum expertních vstupů. Výsledné optimální portfolio pomocí metody Black-Litterman jsem porovnala s optimalizovaným Minimum variance portfoliem (portfolio s minimálním rozptylem), Maximum return portfoliem (portfolio s maximálním výnosem), Mean-Variance portfoliem, referenčním (indexovým) portfoliem a s tradičním přístupem optimalizace portfolia, který využívají portfolio manažeři (podvažování a nadvažování vah jednotlivých sektorových indexů). Získané výsledky potvrdily, že optimalizace portfolia s využitím Black-Littermannova modelu poskytuje vyšší roční výnos v porovnání se sadou optimalizovaných portfolií dle různých přístupů. Dalším zajímavým zjištěním bylo, že generování investičních názorů (jedná se o jeden ze vstupů do modelu Black-Litterman) prostřednictvím ekonomických cyklů nám poskytuje daleko vyšší výnos, než pokud bychom investiční názory uvažovali jako náhodné. Model je vypracovaný v systému R studio.

Abstract:

The diploma thesis deals with the portfolio optimization process within the Robo Advisory service. Nowadays, many young people are trying to evaluate their investment funds. Due to the high fees and high initial investment of traditional investment companies, these products are often out of their reach. Robo Advisory, which is becoming more and more popular these days, offers investing through ETF’s without high fees and with minimal initial investment. The automation of the investment process and the absence of the human factor in the form of portfolio managers contribute to lower fees. In addition, Robo Advisory offers the possibility of constantly checking your portfolio and investing from the comfort of your home thanks to an online application that the investor can download to their smartphone. The methods and algorithms used inside the Robo Advisory are very specific (there are only a limited number of "White Papers" that describe how some Robo Advisory works). All these factors led me to explore the theoretical aspect of Robo Advisory and try to create an optimization model suitable for the Robo Advisory service. The aim of this thesis is to create, using the Black-Litterman method, a portfolio optimization model that will require only a minimum of expert input. Using the Black-Litterman method, I compared the resulting optimal portfolio with the optimized Minimum variance portfolio (portfolio with minimum variance), Maximum return portfolio (portfolio with maximum return), Mean-Variance portfolio, reference (index) portfolio and with the traditional portfolio optimization approach that uses portfolio managers (underweighting and overweighting of individual sector indices). The obtained results confirmed that portfolio optimization using the Black-Littermann model provides a higher annual return compared to a set of portfolios optimized according to different approaches. Another interesting finding was that generating investment opinions (this is one of the inputs to the Black-Litterman model) through economic cycles gives us a much higher return than if we thought of investment opinions as random. The model is developed in the R studio system.

Keywords

ETF, alokace aktiv, Robo-advisor

Keywords

Robo-advisory, asset allocation, ETF

Language used: Czech

Date on which the thesis was submitted / produced: 1. 5. 2023

Thesis defence

• Date of defence: 8. 6. 2023
• Supervisor: Adam Borovička
• Reader: Marek Daniel

Vysoká škola ekonomická v Praze

Master programme:
Ekonometrie a operační výzkum