Estimating time-varying network effects with application to portfolio allocation

Abstract

In this paper, we characterize a variety of financial markets as partially correlated networks of stock returns via the implementation of the joint sparse regression estimation techniques of Peng et al. (2009). We find that Markowitz portfolios generally dissuade the inclusion of central stocks in the network, yet the interaction of a stock's individual and systemic performance is more complex. We implement a number of investment strategies aimed at simplifying the portfolio selection process, contingent on the time-varying network dynamics. We find that applying mean-variance allocation to a restricted sample of stocks can statistically significantly enhance out-of-sample portfolio performance in comparison to a benchmark. We also find evidence that such portfolios are more resilient during periods of macroeconomic instability.

En este documento, caracterizamos una variedad de mercados financieros como redes parcialmente correlacionadas de rendimientos de acciones a través de la implementación de las técnicas de estimación conjunta de regresión dispersa de Peng et al. (2009). Encontramos que las carteras de Markowitz generalmente disuaden la inclusión de acciones centrales en la red, aunque la interacción entre el rendimiento individual y sistémico de las acciones sea más complejo. Implementamos una serie de estrategias de inversión destinadas a simplificar el proceso de selección de cartera, dependiendo de la variabilidad temporal de cada red. Encontramos que aplicando la teoría moderna de selección de cartera a una muestra restringida de acciones puede mejorar estadísticamente el rendimiento del portafolio fuera de la muestra en comparación con un índice de referencia. También encontramos evidencia de que tales carteras son más resistentes durante los períodos de inestabilidad macroeconómica.