Anslut dig till vårt nätverk!

Finans

P2P-investeringar, obligationer och inlåning bygger en optimal portfölj 2024

DELA MED SIG:

publicerade

4 månader sedan

on

Vi använder din registrering för att tillhandahålla innehåll på ett sätt du har samtyckt till och för att förbättra vår förståelse av dig. Du kan när som helst avsluta prenumerationen.

Enligt Robocash-plattformens uppskattningar kommer den optimala lösningen 2024 att vara att behålla två tredjedelar av investeringsportföljen i ränteinstrument.

Robocash-specialister analyserade 9 olika investeringstillgångar för att bestämma den optimala portföljstrukturen. Forskningen undersökte 10 portföljallokeringsmodeller* och övervägde tillgångskorrelationer.

Black-Litterman-modellportföljen lovar den högsta avkastningen 2024 men föreslår allokering av alla medel i krypto. "Naturligtvis motsäger detta tillvägagångssätt idén om diversifiering och ökar riskerna med investeringar avsevärt”. - specialisterna kommenterar. 

Under förhållanden av ekonomisk instabilitet är trenden mot portföljdiversifiering fortfarande relevant. "Konno-Yamazaki och HRP-algoritmmetoder föreslår att vi allokerar alla 9 analyserade tillgångar i en portfölj. Detta tillvägagångssätt minskar vissa risker, men det är definitivt inte det mest effektiva när det gäller avkastning”.

Det mest optimala alternativet är strukturen som identifieras i Pareto-optimeringen. En sådan portfölj innehåller 64.9 % av räntebärande tillgångar, nämligen obligationer, P2P-investeringar och inlåning. Resterande del utgörs av tillgångar med rörlig avkastning (30.6 %) och tillgångar i utländsk valuta (4.5 %). "Avkastningen här är lägre än t.ex. när det gäller att maximera diversifieringen eller överväga en riskfri ränta för Sharpe-kvoten. Men denna kombination är optimal när det gäller att uppnå bästa risk-avkastningskvot." – tillägger specialisterna. 

* Listan över metoder inkluderade följande: Markowitz, VaR (Value at Risk), Mean-CVaR (villkorlig VAR i genomsnitt), Black-Letterman-modellen, Sharpe-ratio, Risk and return parity, Robust optimering, Konno-Yamazaki (Mean Absolut avvikelse), HRP (Hierarchical Risk Parity Machine Learning based optimization), Pareto-riskminimering och lönsamhetsmaximering.

Läs på Google Docs

Annons

Anteckningar för redaktörer: Robo.cash är en Kroatien-baserad helautomatisk investeringsplattform med en återköpsgaranti på investeringar verksamma inom EU, Storbritannien och Schweiz. Plattformen, som lanserades i februari 2017, tillhör det finansiella innehavet UnaFinancial som tillhandahåller fintech-tjänster över tillväxtmarknader i Asien och Europa. Som en del av innehavet arbetar Robo.cash enligt en "peer-to-portfolio"-modell som ger möjlighet att investera i konsument- och kommersiella lån utgivna av de anslutna företagen. Den 30 november 2023 har det lockat till sig över 85 miljoner euro i investeringar och finansierat lån till ett värde av över 750 miljoner euro. 

Foto: Stephen Dawson on Unsplash

https://robo.cash/
https://twitter.com/Robocash1
https://www.linkedin.com/robo.cash
https://www.facebook.com/robocash.invest/
https://t.me/robocash_europe
https://www.youtube.com/@Robocash_investment/  

Dela den här artikeln:

Relaterade ämnen:
EU Reporter publicerar artiklar från en mängd olika externa källor som uttrycker ett brett spektrum av synpunkter. De ståndpunkter som tas i dessa artiklar är inte nödvändigtvis EU Reporters.
Annons

Trend