Portefeuille à variance minimale global comme valeur refuge pour un gestionnaire d’actions
Bibliographic record
Abstract
La présente étude se penche sur la viabilité d’utiliser le portefeuille à volatilité minimal global (GMVP) comme valeur refuge durant les périodes turbulentes. Différentes méthodes sont utilisées pour construire la matrice de variances-covariances servant au GMVP ainsi que pour identifier les périodes de turbulence. Sur l’ensemble de la période de 1981 à 2018, le GMVP est significativement moins volatile que les indices de référence canadien (CA100) et américain (US100). Les résultats empiriques démontrent l’existence de deux régimes distincts sur les marchés, soit un régime à rendement positif et à faible volatilité ainsi qu’un régime à rendement négatif avec une forte volatilité (Tu, 2010 ainsi que Ang et Timmermann, 2012). L’étude montre que la perte du GMVP est inférieure à celle du marché en période baissière. En revanche, le rendement moyen du GMVP en période haussière est significatif inférieur. Un investisseur étant investi dans le marché en période haussière et dans le GMVP structurel en période baissière (information parfaite) aurait largement surperformé les indices de référence. Le ratio de Sharpe est de 0,906 (contre 0,570) aux États-Unis et de 0,743 (contre 0,365) au Canada. Sur les deux marchés, le rendement mensuel moyen est significativement supérieur alors que la volatilité est significativement réduite, permettant ainsi d’ajuster l’exposition au marché en fonction des régimes en utilisant le GMVP comme valeur refuge. Cependant, la profitabilité d’une stratégie tactique diminue lorsque l’on corrige le biais de disponibilité de l’information. Malgré tout, la stratégie tactique utilisant les signaux de Lunde et Timmermann (2004) permet de réduire significativement le risque tout en ayant un rendement similaire au marché. Quant à la méthode statistique de changements de régimes, elle est très efficace pour identifier les périodes boursières en utilisant l’ensemble des données (biais de disponibilité), mais ne permet pas d’être autant efficace pour prévoir les signaux d’une stratégie tactique que Lunde et Timmermann (Kole et Van Dijk, 2010). En définitive, le GMVP est une bonne valeur refuge, mais étant difficile de prédire les marchés, une stratégie tactique obtient difficilement un rendement supérieur à l’indice.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".