การบริหารพอร์ตการลงทุนด้วยการวิเคราะห์สเปกตรัม

ดนุพล คุณานุปถัมภ์

dc.contributor.advisor	พงศ์ศักดิ์ เหลืองอร่าม
dc.contributor.author	ดนุพล คุณานุปถัมภ์
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะเศรษฐศาสตร์
dc.date.accessioned	2019-02-26T10:00:44Z
dc.date.available	2019-02-26T10:00:44Z
dc.date.issued	2561
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/61253
dc.description	วิทยานิพนธ์ (ศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561
dc.description.abstract	ข้อมูลข่าวสารที่เกิดขึ้นสามารถที่จะส่งผลได้หลากหลายรูปแบบต่อตลาดการเงินในแต่ละช่วงเวลาที่เปลี่ยนแปลงและผลกระทบสามารถวัดได้ด้วยความถี่ ซึ่งก็คือรอบวัฏจักรของข้อมูล สำหรับในการวิจัยนี้ จะใช้การวิเคราะห์สเปกตรัมในการวิเคราะห์ผลตอบแทนที่เกิดขึ้นในแต่ละภาคธุรกิจในช่วงเวลาที่ต่างกัน โดยการใช้ Discrete-Time Fourier Transform ด้วยวิธีการนี้ ทำให้สามารถวิเคราะห์ค่าผลตอบแทน ค่าความเสี่ยง ค่าความแปรปรวนร่วมและผลตอบแทนคาดหวังในกรอบอ้างอิงของความถี่ได้ ซึ่งในกรอบของความถี่ เราสามารถเห็นความสัมพันธ์ระหว่างแผนการลงทุนที่ใช้กับผลตอบแทนของสินทรัพย์ในแต่ละช่วงเวลาได้ สำหรับพอร์ตการลงทุน เราสามารถที่จะสร้างพอร์ตโดยใช้ mean-variance-frequency optimal portfolios และแบ่งช่วงความถี่ของผลตอบแทนที่เราสนใจ ซึ่งในวิธีการ mean-variance optimal portfolios แบบดั้งเดิมไม่สามารถแยกช่วงความถี่ออกมาพิจารณาได้ โดยที่ประสิทธิภาพของพอร์ตการลงทุนจะขึ้นอยู่กับช่วงความถี่ที่เลือกใช้ จำนวนข้อมูลที่ใช้ในการประมาณค่าน้ำหนักการลงทุน และช่วงระยะเวลาที่ใช้ในการปรับน้ำหนักของพอร์ตการลงทุน
dc.description.abstractalternative	All the news and information can have diverse effects on the financial market dynamics at different time horizons. The effects can be determined in the form of the frequency which is the cycle of the data. In this thesis, I apply spectral analysis to quantify the return of each sector index across different time horizons. By using the Discrete-Time Fourier Transform, I can decompose return, variances, covariances, and expected return into the frequency domain. In the frequency domain, I can see how correlated of the different investment strategies and asset return at different time horizons. For the portfolio management, we can construct the mean-variance-frequency optimal portfolios by choosing the band spectrum of the asset return which the traditional mean-variance optimal portfolios can’t. The performance depends on how you choose the band spectrum, estimation window and period of rebalancing.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2018.622
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject	การแปลงแบบฟูเรียร์
dc.subject	การบริหารบัญชีเงินลงทุน
dc.subject	Fourier transformations
dc.subject	Portfolio management
dc.subject	Spectral energy distribution
dc.subject.classification	Economics
dc.title	การบริหารพอร์ตการลงทุนด้วยการวิเคราะห์สเปกตรัม
dc.title.alternative	Spectral analysis in portfolios management
dc.type	Thesis
dc.degree.name	เศรษฐศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	เศรษฐศาสตร์
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย
dc.email.advisor	Pongsak.L@Chula.ac.th
dc.subject.keyword	การวิเคราะห์สเปกตรัม
dc.subject.keyword	Discrete Time Fourier Transform
dc.subject.keyword	ความถี่
dc.subject.keyword	ความสัมพันธ์ในเชิงบวก
dc.subject.keyword	Mean-Variance-Frequency Optimal Portfolios
dc.subject.keyword	ช่วงความถี่
dc.subject.keyword	Spectral Analysis
dc.subject.keyword	Discrete Time Fourier Transform
dc.subject.keyword	Frequency
dc.subject.keyword	Positive Correlation
dc.subject.keyword	Mean-Variance-Frequency Optimal Portfolios
dc.subject.keyword	Band Spectrum
dc.identifier.DOI	10.58837/CHULA.THE.2018.622