Since the pathfinding research by Markowitz in 1952, various optimal asset-allocation models have emerged. However, those elegant but complicated models have shown poor performance relative to a simple “1/N” strategy due to estimation errors in the U.S. Market. In this thesis, comparing is made that three measurements of 12 asset-allocation strategies to an “1/N” portfolio using historical data generated by the Korean stock market from January 2000 to December 2015. It is found that in the Korean stock market, minimum-variance portfolios with short sale constraints, mean-variance portfolios with short sale constraints, and Bayes-Stein portfolios with short sale constraints perform better than the other models in terms of Sharpe ratio and Certainty-equivalent returns. While these optimal asset-allocation models have higher turnover than the “1/N” portfolio, their Sharpe ratios are still higher than the “1/N” portfolio even after I consider transaction cost. I simulate 2000 years of excess returns data to examine the relationship between estimation windows and Sharpe ratios. Simulated data results show that the Sharpe ratio of the mean-variance portfolio becomes higher when estimation windows become longer. However, the Sharpe ratio of the mean-variance portfolio with short sale constraints and the Sharpe ratio of the Bayes-Stein portfolio with short sale constraints become worse when the estimation windows are extended further.
Markowitz (1952) 논문 이후, 평균-분산 모델의 표본외(out-of-sample) 성과가 추정 오차로 인해 표본내(in-sample)에서의 성과보다 좋지 않은 것을 해결하기 위해 다양한 종류의 자산배분 모델들이 개발되어 왔다. 본 학위논문에서는 2000년 1월부터 2015년 12월까지의 데이터를 이용하여 세 가지의 성과 측정 방법을 통해 12개의 자산배분 모델과 “1/N” 모델을 비교하였으며, 2000년 동안의 한국 주식시장을 모의 실험하여 변수 추정 구간과 샤프 비율의 관계를 조사하였다. 과거 데이터를 이용한 결과에서는 공매도 제약이 있는 최소-분산 모델, 공매도 제약이 있는 평균-분산 모델, 공매도 제약이 있는 Bayes-Stein 모델이 “1/N” 모델보다 샤프비율과 확실성등가수익이 높게 나왔으며, 회전율은 “1/N” 모델이 가장 낮게 나타났다. 2000년 동안의 시뮬레이션 결과에서는 평균-분산 모델에서는 변수 추정 구간이 길어질수록 샤프비율이 증가하는 것을 확인하였으며, 반면에 공매도 제약이 있는 경우 변수 추정 구간이 길어지더라도 샤프비율이 증가하지 않는 것을 확인하였다.
