Με την παρούσα μελέτη επιχειρήθηκε να ερευνηθεί ο βέλτιστος συνδυασμός θεωρητικού υποδείγματος, στατιστικής μεθόδου, περιόδου εκτίμησης και χρονικού μεσοδιαστήματος εκπαίδευσης, ο οποίος να παράγει τις πιο αξιόπιστες και μακροχρόνια έγκυρες εκτιμήσεις της συμπεριφοράς των αξιογράφων. Η έρευνα διενεργήθηκε επί 6 από τα 49 χαρτοφυλάκια βιομηχανικού δείκτη της βάσης δεδομένων των Fama & French, και εξετάστηκαν 168 κανόνες που συνετέθησαν από πέντε θεωρητικά υποδείγματα, τρείς στατιστικές μεθόδους, τέσσερις περιόδους εκτίμησης και τρία χρονικά μεσοδιαστήματα. Τα υποδείγματα είναι το CAPM, το D-CAPM του Estrada(2002), το APT, και τα υποδείγματα FAMA-3 και FAMA-5, ενώ οι μέθοδοι εκτίμησης ήταν η OLS και οι παλινδρομήσεις SVR γραμμικού πυρήνα και πυρήνα συνάρτησης ακτινικής βάσης(RBF). Επίσης, οι περίοδοι εκτίμησης που δοκιμάστηκαν ήταν η 5ετής, η 4ετής, η 3ετής και η 2ετής. Τέλος, τα χρονικά μεσοδιαστήματα ήταν το μηνιαίο, το εβδομαδιαίο και το ημερήσιο. Οι κανόνες αυτοί εξετάστηκαν επί ενός χρονικού ορίζοντα 6 μηνών, όπου εφαρμόστηκε κυλιόμενη παλινδρόμηση και σε κάθε επανάληψη πραγματοποιήθηκαν 6 μηνιαίες, 24 εβδομαδιαίες και 180 ημερήσιες εκτιμήσεις, υπό τον περιορισμό πως το μεσοδιάστημα δοκιμής θα πρέπει να είναι ίσης ή μικρότερης συχνότητας του μεσοδιαστήματος εκπαίδευσης. Τα αποτελέσματα της έρευνας προέκριναν κανόνες που στηρίζονταν στα υποδείγματα FAMA-3 και FAMA-5, στο μηνιαίο ή ημερήσιο μεσοδιάστημα εκτίμησης, και στην OLS και στην SVR με γραμμικό πυρήνα. Ως προς την περίοδο εκτίμησης, δεν ήταν δυνατόν να εξαχθεί ένα καθολικό συμπέρασμα, καθώς κάθε κλάδος και κάθε μεσοδιάστημα εμφάνιζε διαφορετικές τάσεις, ενώ και η μέση επιρροή τους δεν εμφάνισε ιδιαίτερες διαφορές στα εβδομαδιαία και ημερήσια μεσοδιαστήματα δοκιμής. Επιπλέον, εξαιτίας της χαμηλής ευστοχίας εκτίμησης των βέλτιστων κανόνων στα χαρτοφυλάκια του πρωτογενούς τομέα παραγωγής, συμπεραίνεται πως υπάρχουν ιδιαίτεροι κλαδικοί παράγοντες που επηρεάζουν τα στοιχεία του εκάστοτε κλάδου και που δεν παρατηρούνται από τα υποδείγματα που εξετάστηκαν.

In this paper, the objective of the research was to find the optimal combination of theoretical model, statistical learning method, estimation period and training time interval, which may produce optimal estimations of asset and portfolio behavior, as regards the accuracy and long-term validity. The research was implemented on 6 out of 49 industrial index portfolios of Fama & French database, where 168 rules, formed by 5 theoretical models, 3 statistical methods, 4 estimation periods and 3 time intervals. The theoretical models are CAPM, D-CAPM of Estrada(2002), APT, FAMA-3 and FAMA-5. The statistical methods are OLS, SVR with linear kernel and SVR with Radial Basis Function kernel. As of the estimation periods, these are the 5year period, the 4year period, the 3year period and the 2year period. Finally, the time intervals were the monthly, weekly and daily interval. The rules were tested on a time horizon of 6 months, with rolling regression. For each iteration, 6 monthly, 24 weekly and 180 estimations were produced, on the condition that the training interval should be of equal or higher frequency than that of the test interval. The results suggested that the rules should be based on FAMA-3 and FAMA-5 models, on the monthly or daily interval and on the OLS or SVR with linear kernel, depending on the sector. As for the estimation period, solid conclusions were not possible to be derived, as each sector displayed different trends and their mean influence appears to be very similar in weekly and daily test intervals. Moreover, due to low estimation accuracy of the optimal rules on portfolios of the primary economic sector, it is further concluded that there are special sectorial factors that influence the assets of this sector, which are not captured by the tested models.