Benchmarking Strategies for Asset Allocation

Abstract

Asset allocation is an investment strategy that aims to balance risk and reward by constantly redistributing the portfolio's assets according to certain goals, risk tolerance, and investment horizon. Unfortunately, there is no simple formula that can find the right allocation for every individual. As a result, investors may use different asset allocations’ strategy to try to fulfil their financial objectives. In this work, we conduct an extensive benchmark study to determine the efficacy and reliability of a number of optimization techniques. In particular, we focus on traditional approaches based on Modern Portfolio Theory, and on machine-learning approaches based on deep reinforcement learning. We assess the model’s performance under different market tendency, i.e., both bullish and bearish markets, as well as different time frequencies of reallocation., i.e., on a daily and weekly basis.

L'assignació d'actius és una estratègia d'inversió que permet equilibrar el risc i el retorn de la cartera mitjançant una redistribució constant dels actius en funció de determinats objectius, tolerància al risc i horitzó d'inversió. Malauradament, no hi ha una fórmula senzilla que permeti trobar l'assignació adient per a cada persona. És per això que existeixen diferents estratègies d'assignació d'actius que els inversors poden utilitzar per intentar assolir les metes financeres. En aquest treball, realitzem un ampli estudi per determinar l'eficàcia i la fiabilitat d'una sèrie de tècniques d'optimització de carteres. En concret, ens centrem en els models tradicionals basats en la teoria moderna de la cartera, i en els models d'aprenentatge automàtic basats en l'aprenentatge profund per reforç. Un cop tenim els models implementats, avaluem el rendiment de cadascun en diferents tendències de mercat, i.e., tant mercats alcistes com a baixistes, així com en diferents freqüències temporals de reassignació, i.e., diàries i setmanals.

La asignación de activos es una estrategia de inversión que permite equilibrar el riesgo y el retorno de la cartera mediante una redistribución constante de los activos en función de determinados objetivos, tolerancia al riesgo y horizonte de inversión. Desgraciadamente, no hay una fórmula sencilla que permita encontrar la asignación adecuada para cada persona. Es por eso que existen diferentes estrategias de asignación de activos que los inversores pueden utilizar para intentar lograr las metas financieras. En este trabajo, realizamos un amplio estudio para determinar la eficacia y la fiabilidad de una serie de técnicas de optimización de carteras. En concreto, nos centramos en los modelos tradicionales basados en la teoría moderna de la cartera, y en los modelos de aprendizaje automático basados en el aprendizaje profundo por refuerzo. Una vez tenemos los modelos implementados, evaluamos el rendimiento de cada uno en diferentes tendencias de mercado, y.e., tanto mercados alcistas como bajistas, así como en diferentes frecuencias temporales de reasignación, y.e., diarias y semanales.