Bei der Anwendung von Factor Investing auf die Aktienmärkte der Emerging Markets müssen Marktfriktionen aufgrund der illiquiden Struktur des Universums besonders berücksichtigt werden. Die risikobereinigten Renditen solcher Strategien sehen auf dem Papier besonders ansprechend aus, doch stehen ihnen erhebliche Umsetzungshürden im Weg. Obwohl Factor Investing in der Literatur gut untersucht wurde, gibt es immer noch Forschungslücken. In dieser Dissertation werden drei umfassende Studien durchgeführt, um die bestehenden Forschungslücken in Bezug auf die Kosteneffizienz von Aktienportfolios zu schließen. Hierzu wird der Trade-off zwischen Rendite und Implementierungskosten der Portfolien in Emerging Markets sowie verschiedene Verbesserungsansätze untersucht. Die erste Studie demonstriert eine faktorbasierte Strategie in Emerging Markets und liefert ein besseres Verständnis des oben genannten Trade-offs. Mehrere Sensitivitätsanalysen zeigen die Vorteile eines ersten Ansatzes zur Kostenreduzierung auf. Die zweite Studie zielt darauf ab, die Rendite- und Kostendynamik von Aktienportfolios in einem makroökonomischen Kontext besser zu verstehen. Frühindikatoren aus Industrie- und Schwellenländern werden zur Vorhersage des kurzfristigen Faktorregimes herangezogen. Diese Vorhersage wird adaptiv in die Portfolios implementiert, fügt eine Timing-Komponente hinzu und erhöht die Kosteneffizienz erheblich. Die dritte Studie erweitert die Wirksamkeit der untersuchten Strategie zur Kostenreduzierung, indem sie die Vorteile einer auf modernen maschinellen Lernmodellen basierenden Vorhersage der Aktienliquidität einsetzt.