Detailansicht
Timing of currency market factor strategies using machine learning
Georgi Atanasov
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Banking and Finance
Betreuer*in
Andrea Gaunersdorfer
Mitbetreuer*in
Christian Westheide
DOI
10.25365/thesis.74254
URN
urn:nbn:at:at-ubw:1-30443.72955.236310-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Masterarbeit konzentriert sich auf Carry-, Value- und Momentum in Devisenmärkten und untersucht, ob sich Modelle des maschinellen Lernens beim Timing der Faktoren vorteilhafter gegenüber herkömmlichen Modellen erweisen. Das faktorbasierte Investieren ist in der Literatur ausführlich dokumentiert. Dennoch entdeckt eine wachsende Zahl akademischer Forschungen die Modelle des maschinellen Lernens wieder, um neue Erkenntnisse sowohl in gut untersuchten als auch in wenig erforschten Bereichen zu liefern. Die Masterarbeit verwendet tägliche Daten zu Devisenkassakursen und Devisenterminkursen sowie Indizes, die Volatilität, Liquidität, makroökonomische Dynamik und Kapitalflüsse berücksichtigen. Die Modelle werden mit gleitenden Zeitfenstern trainiert, um eine Vorhersage für die Rendite der nächsten Periode zu erhalten. Basierend auf der Prognose wird das Faktorportfolio neu gewichtet. Die Ergebnisse deuten darauf hin, dass Faktor-Timing die Entwicklung der meisten Faktoren verbessert. Darüber hinaus liefern Algorithmen des maschinellen Lernens eine viel bessere Leistung im Vergleich zu einem logistischen Regressionsansatz.
Abstract
(Englisch)
This master thesis focuses on carry, value and momentum factors in currency markets and examines whether machine learning models may prove superior than traditional models in timing factor portfolios. Factor investing has been thoroughly documented in the literature. Nevertheless, growing number of academic research rediscovers machine learning models in an attempt to provide new insights in both well investigated and under researched fields. The paper uses daily data of currency spot and forward exchange rates as well as indices accounting for volatility, liquidity, macroeconomic and capital flows dynamics. The models are trained with moving time windows in order to obtain a single prediction for a next period return. Based on the prediction the factor portfolios are systematically rebalanced. The results suggest that factor timing enhances the performance of the majority of the factors. Moreover, the timed factor portfolios using machine learning algorithms deliver superior risk-return trade-offs in comparison to a logistic regression approach.
Schlagwörter
Schlagwörter
(Deutsch)
Währungen Devisenmarkt maschinelles Lernen Timing Factor Investing
Schlagwörter
(Englisch)
FX currencies machine learning timing factor investing
Autor*innen
Georgi Atanasov
Haupttitel (Englisch)
Timing of currency market factor strategies using machine learning
Publikationsjahr
2023
Umfangsangabe
v, 100 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Andrea Gaunersdorfer
Klassifikation
85 Betriebswirtschaft > 85.30 Investition. Finanzierung
AC Nummer
AC16938746
Utheses ID
68186
Studienkennzahl
UA | 066 | 974 | |