Multifaktor Treynor Black Model
Oversat titel
Multifactor Treynor Black Model
Forfattere
Sørensen, Mads Carøe ; Pedersen, Mathias Strøm ; Manoharan, Ageshan
Semester
4. semester
Uddannelse
Udgivelsesår
2024
Antal sider
99
Resumé
Dette speciale undersøger, om en udvidelse af Treynor-Black-modellen, der integrerer Fama-French Fem Faktor Modellen, kan forbedre risikojusteret performance i aktiv porteføljeforvaltning sammenlignet med den oprindelige, CAPM-baserede Treynor-Black-model. Vi implementerer begge modeller i R, estimerer faktorbelastninger og alfa ved hjælp af OLS på historiske data, og konstruerer optimale porteføljer for udvalgte aktier samt for S&P 500-selskaber. Performance vurderes out-of-sample med fokus på Sharpe-forholdet. Resultaterne viser, at Multifaktor Treynor-Black-modellen oftere identificerer signifikante alfa-værdier og leverer højere risikojusterede afkast: den optimale portefølje opnår en out-of-sample Sharpe-ratio på 0.889 mod 0.799 for den traditionelle Treynor-Black og 0.5 for markedsporteføljen. For S&P 500-aktier med data fra 2010 har den optimale portefølje en højere Sharpe-ratio end markedet i 96.7% af perioderne med multifaktormodellen, mod 28.1% med den oprindelige model. Samlet peger resultaterne på, at udvidelsen baseret på Fama-French Fem Faktor Modellen forbedrer modelens evne til at udvælge aktier og skabe bedre risikojusteret afkast out-of-sample.
This thesis examines whether extending the Treynor-Black model by integrating the Fama-French Five Factor Model improves risk-adjusted performance in active portfolio management compared to the original, CAPM-based Treynor-Black model. We implement both models in R, estimate factor loadings and alphas using OLS on historical data, and construct optimal portfolios for selected stocks as well as for S&P 500 constituents. Performance is evaluated out-of-sample with an emphasis on the Sharpe ratio. The results indicate that the Multifactor Treynor-Black model more effectively identifies significant alphas and delivers higher risk-adjusted returns: the optimal portfolio achieves an out-of-sample Sharpe ratio of 0.889 versus 0.799 for the traditional Treynor-Black and 0.5 for the market portfolio. For S&P 500 stocks with data from 2010, the optimal portfolio posts a higher Sharpe ratio than the market in 96.7% of periods with the multifactor model, compared to 28.1% with the original model. Overall, the findings suggest that the Fama-French-based extension improves stock selection and out-of-sample risk-adjusted performance.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]