Portfolios under Different Methods and Scenarios: A Case of Fiji’s South Pacific Stock Exchange
Notice bibliographique
Résumé
In this study, we analyze portfolio performance under different methods and scenarios for the small island economy of Fiji. In addition to documenting the historical performance and the smallness of the stock market, the study looks at the possibility of opting for an equally weighted (naïve) portfolio against market and minimum variance portfolios. To this end, we extract monthly stock price data of 17/19 listed companies from August 2019 to July 2022 and invoke different approaches to develop portfolios under different scenarios. We consider the mean-variance, minimum variance, semi-variance, utility maximization, and minimum turbulence portfolios, based on beta-adjusted (CAPM-based) returns. The different portfolios presented in the study should provide some insights on asset allocation in Fiji’s stock market. Interestingly, unlike average returns, the beta-adjusted returns indicate that an equally weighted portfolio can yield relatively higher expected returns than market portfolios, although, with a relatively higher standard deviation and lower Sharpe ratio than the optimized results. In a semi-variance analysis (where we account for downside risk only), equally weighted portfolio yields superior returns, albeit with a relatively lower Sortino ratio. Given that Fiji’s stock market is currently a small, with a relatively small number of listed companies, potential and less sophisticated investors and analysts considering portfolios based on beta-adjusted returns, may simply opt for 1/N (naïve) portfolios as a diversification strategy while realizing decent expected returns. The optimized portfolio under mean-variance, semi-variance, and utility are presented as alternative considerations for nuanced investors. Additionally, equally weighted turbulence-adjusted and minimum-turbulence portfolios are constructed to capture periods of unusualness and calmness in the market. The methodologies and the results presented can be adjusted and applied to other small markets and hence can influence investment decisions of investors in creating diversified portfolios under different scenarios.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».