Nieuwe methoden voor het gebruik van hoge frequentie data en duurzaamheidsscores in portfoliobeheer.

Zowel particuliere als institutionele investeerders dienen op geregeldetijdstippen een beslissing te  nemen over hoe zij hun beschikbaar kapitaal spreiden over een groot aantal mogelijke  investeringen. Investeerders hebben hierbij een zeker doel vooropgesteld zoals bijvoorbeeld dat de  portfolio een minimum verwacht rendement moet hebben tegen een zo laag mogelijk risico.
Traditioneel wordt rendement en risico gemeten op basis van dagelijkse, wekelijkse of maandelijkse  data. Maar sinds kort beschikt de investeerder ook over hethele koersverloop van de investering  over de dag. Deze data worden hoge frequentie data genoemd. In het eerste luik van dit  doctoraat worden nieuwe methoden voorgesteld om het risico van investeringen te meten op basis  van hoge frequentie data.
Een groeiende groep van investeerders hecht niet enkel belang aan verwacht rendement en risico,  maar ook aan de vraag of zijn investering welmaatschappelijk verantwoord is. In het tweede luik  van het doctoraat, worden methoden onderzocht om naast financiële objectieven ook de  duurzaamheid van de investeringen op te nemen in portfoliobeheer. We schatten empirisch het toegenomen risico en gedaalde rendement van een portfolio van investeringen, wanneer er beperkingen op de duurzaamheid van de portfolio worden opgelegd. De impact van restricties op de duurzaamheid van de portfolio op de financiële performantie van de portfolio blijkt economisch relatief klein te zijn.

Trefwoorden:Mean-variance spanning test, Socially responsible investment, Sustainability scores, Portfolio optimization, Robust estimation, Covariance matrix, Realized volatility, High frequency data

Disciplines:Toegepaste economie, Economische geschiedenis, Macro-economie en monetaire economie, Micro-economie, Toerisme

Project type:PhD project