Dynamic asset allocation through econometric connectedness measures

In financial context, specifically in risk management, econometric connectedness is carving out more space, becoming more important over time. However, studies have not exploited the econometric connectedness theory in the portfolio management surroundings yet. The current thesis aims to fill the gap of the literature by building a methodology that combines the econometric connectedness theory with the well-known Random Matrix one, widely employed for robust asset allocation. To the final objective, I consider some pre-selected Standard & Poor’s 500 companies returns, cleaning pertinent correlation matrices, obtained by econometric connectedness measures filtered through the Random Matrix Theory, in order to compose an efficient portfolio optimization. Results show that the methodology proposed outperformes both the Markowitz paradigm and Random Matrix approach, giving back satisfactory outcomes, identifying this optimization technique as robust and efficient.

Nel contesto finanziario, specificamente nella gestione del rischio, la connessione econometrica si sta ritagliando sempre più spazio, diventando importante nel tempo. Ad ogni modo, gli studi non hanno ancora valorizzato la teoria della connessione econometrica nel portfolio management. Questa tesi mira a colmare la mancanza di letteratura costruendo una metodologia che combina la teoria della connessione econometrica con quella ben nota della Random Matrix, ampiamente impiegata per robuste asset allocation. Con questo fine, considero i ritorni di stocks preselezionati, facenti parte lo Standard & Poor’s 500, ripulendo le relative matrici di correlazione, ottenute tramite le misure di connessione econometriche, filtrate per mezzo della Random Matrix Theory, con l’intento di comporre un’ottimizzazione di portafoglio efficiente. I risultati mostrano che la metodologia proposta outperforma sia il paradigma Markowitz sia l’approccio della Random Matrix, restituendo esiti soddisfacenti, identificando questa tecnica di ottimizzazione come efficiente e robusta.