Umeå University's logo

This thesis investigate the application of Bayesian Vector Autoregression (BVAR) models in portfolio allocation strategies within a subset of the US financial market. Utilizing three models with different prior distributions, this study examined the predictive accuracy of financial returns, aiming to enhance strategic decision-making in portfolio allocation strategies. Using several model based allocation strategies the three BVAR models with Diffuse, Minnesota, and Horseshoe priors were tested across multiple portfolios to evaluate their performance against the equally weighted portfolio strategy acting as a benchmark. The study includes financial market data and macroeconomic indicators, analyzed over a distinct training, validation, and test period. A rolling training window with a weekly model based forecast was used to evaluate the models and the strategies performance. Performance metrics such as the Sharpe ratio, Sortino ratio, and Maximum Drawdown were employed to assess the strategies. Despite varied results, the thesis explores the potential of incorporating prior distributions and uncertainty into financial forecasts to improve asset allocation outcomes. 

Denna avhandling utforskar användningen av Bayesiansk Vektor Autoregressions (BVAR) modeller inom portföljallokering, med aktier från den Amerikanska finansmarknaden. I studien används tre olika BVAR-modeller, var och en baserad på olika prior fördelningar: Diffuse, Minnesota och Horseshoe. Syftet med analysen är att bedöma hur väl dessa modeller kan förutsäga finansiella avkastningar och därigenom förbättra beslutsfattandet inom portföljhantering. Genom tillämplingen av flera strategier baserade på modellerna testas dessa strategier över flera portföljer och jämförs mot en likaviktad portfölj. Studien omfattar finansiell marknadsdata och makroekonomiska indikatorer som analyseras under en tränings, validering och test period. Ett rullande träningsfönster med veckovisa prediktioner från modellen används för att kontinuerligt utvärdera både modellernas och strategiernas prestanda. För att bedöma strategierna används prestandamått som Sharpe-ratio, Sortino-ratio och maximal nedgång. Trots blandade resultat belyser avhandlingen potentialen i att integrera fördelningar och osäkerhet inom finansiella prognoser för att förbättra resultatet av portföljallokering.