Η παρούσα διπλωματική εργασία εξετάζει εμπειρικά τη δυναμική διασυνδεσιμότητα και τη συγκριτική απόδοση δύο στρατηγικών βελτιστοποίησης χαρτοφυλακίου μεταξύ τεσσάρων ετερογενών τίτλων: SPY (αμερικανικές μετοχές), VNQ (REITs), AIQ (FinTech/AI) και BTC-USD (κρυπτονομίσματα), κατά την περίοδο 02/01/2019 - 29/10/2025. Η μεθοδολογική προσέγγιση συνδυάζει υποδείγματα ARMA-GARCH για την υπό συνθήκη μεταβλητότητα, το πολυμεταβλητό υπόδειγμα DCC-GARCH για τις δυναμικές συσχετίσεις, το πλαίσιο διασυνδεσιμότητας των Diebold και Yilmaz, καθώς και την κατασκευή του Χαρτοφυλακίου Ελάχιστης Διακύμανσης (MVP) και του Χαρτοφυλακίου Ελάχιστης Συσχέτισης (MCP).

Τα εμπειρικά ευρήματα αναδεικνύουν εξαιρετικά υψηλή επιμονή στη συσχετιστική δομή του δικτύου (a + b πολύ κοντά στη μονάδα), η οποία απορρίπτει εμπειρικά την υπόθεση της σταθερής υπό συνθήκη συσχέτισης (CCC) και τεκμηριώνει την αναγκαιότητα δυναμικής μοντελοποίησης. Η ανάλυση διασυνδεσιμότητας προσδιορίζει το SPY ως κεντρικό συστημικό κόμβο και καθαρό πομπό πληροφορίας, ενώ το BTC-USD ως τον πιο αυτόνομο τίτλο, με χαρακτηριστική συμπεριφορά decoupling-recoupling σε περιόδους κρίσης.

Στη βελτιστοποίηση, το MVP αποκλείει σχεδόν συστηματικά το BTC-USD λόγω υψηλής μεταβλητότητας, ενώ το MCP του αναθέτει σταθερά υψηλά βάρη αξιοποιώντας τη χαμηλή του συσχέτιση. Παρά τις διαφορετικές συνθέσεις, αμφότερα τα χαρτοφυλάκια εκτέθηκαν εξίσου στον συστημικό κίνδυνο του Μαρτίου 2020, επιβεβαιώνοντας ότι η διαφοροποίηση δεν εξαλείφει τον συστηματικό παράγοντα της αγοράς.

This thesis empirically examines the dynamic interconnectedness and comparative performance of two portfolio optimization strategies across four heterogeneous assets: SPY (U.S. equities), VNQ (REITs), AIQ (FinTech/AI), and BTC-USD (cryptocurrencies), over the period from January 2, 2019 to October 29, 2025. The methodological framework combines ARMA-GARCH models to estimate conditional volatility, the multivariate DCC-GARCH model to capture dynamic correlations, the Diebold-Yilmaz connectedness framework, and the construction of the Minimum Variance Portfolio (MVP) and Minimum Correlation Portfolio (MCP).

The empirical findings reveal exceptionally high persistence in the correlation structure of the network, with the sum of the autoregressive parameters being very close to unity. This provides empirical evidence against the assumption of Constant Conditional Correlation (CCC) and highlights the necessity of dynamic correlation modelling. The connectedness analysis identifies SPY as the central systemic node and a net transmitter of information, while BTC-USD emerges as the most autonomous asset, exhibiting a characteristic decoupling-recoupling pattern during periods of market distress.

Regarding portfolio optimization, the MVP almost systematically excludes BTC-USD due to its high volatility, whereas the MCP consistently assigns it relatively high weights, taking advantage of its low correlation with the other assets. Despite their different portfolio compositions, both strategies were similarly exposed to the systemic risk observed in March 2020, confirming that diversification alone cannot eliminate exposure to the systemic market factor.