全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1204 47
2022-05-12
英文标题:
《Portfolio Optimization under Expected Shortfall: Contour Maps of
  Estimation Error》
---
作者:
Fabio Caccioli, Imre Kondor, G\\\'abor Papp
---
最新提交年份:
2015
---
英文摘要:
  The contour maps of the error of historical resp. parametric estimates for large random portfolios optimized under the risk measure Expected Shortfall (ES) are constructed. Similar maps for the sensitivity of the portfolio weights to small changes in the returns as well as the VaR of the ES-optimized portfolio are also presented, along with results for the distribution of portfolio weights over the random samples and for the out-of-sample and in-the-sample estimates for ES. The contour maps allow one to quantitatively determine the sample size (the length of the time series) required by the optimization for a given number of different assets in the portfolio, at a given confidence level and a given level of relative estimation error. The necessary sample sizes invariably turn out to be unrealistically large for any reasonable choice of the number of assets and the confidence level. These results are obtained via analytical calculations based on methods borrowed from the statistical physics of random systems, supported by numerical simulations.
---
中文摘要:
历史响应误差等值线图。构造了在风险度量期望短缺(ES)下优化的大型随机投资组合的参数估计。此外,还提供了投资组合权重对ES优化投资组合的收益率和VaR的微小变化的敏感性的类似图,以及随机样本上投资组合权重分布的结果,以及ES的样本外和样本内估计的结果。等高线图允许在给定的置信水平和给定的相对估计误差水平下,定量确定组合中给定数量不同资产的优化所需的样本量(时间序列的长度)。对于资产数量和信心水平的任何合理选择而言,必要的样本量总是不切实际地大。这些结果是通过基于随机系统统计物理方法的分析计算获得的,并得到了数值模拟的支持。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--
一级分类:Quantitative Finance        数量金融学
二级分类:Portfolio Management        项目组合管理
分类描述:Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-12 14:52:37
预期短缺下的投资组合优化:估算误差轮廓图Fabio Caccioli1,2,Imre Kondor3,4和G\'abor Papp1-伦敦大学学院,计算机科学系,伦敦,WC1E 6BT,UK2-系统风险中心,伦敦经济和政治科学学院,伦敦,UK3帕门尼德斯基金会,德国普拉赫4-投资和企业金融系,布达佩斯科尔维努斯大学,布达佩斯,亨加里5-E¨otv¨os Lor¨大学,布达佩斯,亨加里亚,布达佩斯物理研究所绘制了历史响应误差等高线图。构造了在风险度量期望短缺(ES)下优化的largerandom投资组合的参数估计。投资组合权重对ES优化投资组合的收益率和VaR的微小变化的敏感性的类似图也给出了,以及ES的随机样本、样本外和样本内估计的投资组合权重分布结果。等高线图允许在给定的置信水平和给定的相对估计误差水平下,定量确定投资组合中给定数量不同资产的优化所需的样本大小(时间序列的长度)。对于资产数量和信心水平的任何合理选择而言,必要的样本规模都是不切实际的大。这些结果是通过分析计算获得的,这些计算方法借鉴了随机系统的统计物理,并得到了数值模拟的支持。1简介风险度量和投资组合优化是投资组合理论的两个互补方面。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-12 14:52:40
两者都假设未来在统计上与过去相似,但尽管riskmeasurement试图预测现有投资组合的风险,但optimization试图选择投资组合的组成,以便在给定的预期回报水平下最小化风险(或在给定的风险水平下最大化回报)。在大型机构投资组合的情况下,两项任务都需要大量的输入数据,即大量观察到的回报样本。风险度量和优化的固有困难在于,这些大样本通常很难在实践中实现。特别是在投资组合选择方面,这一困难进一步加剧,因为这里的样本量不仅要比一个样本量大,而且要比投资组合的规模(以不同资产的数量衡量)大。为了使样本的规模超过资产数量在数百或数千之间的大型机构投资组合,需要较高的抽样频率或较长的回溯期,最好两者兼而有之。回顾期的长度受到缺乏平稳性的考虑的限制:投资组合中的一些资产可能是长期不存在的股份公司,经济和货币环境可能已经改变,可能引入了新的监管约束,等等。至于抽样频率,它受到投资组合实际上可以重新平衡的频率的限制,因此我们在下文中假设投资组合经理使用此类低频(每周或更确切地说每月)数据。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-12 14:52:43
这意味着样本量(时间序列T的长度)总是有限的,而机构投资组合的维度N(不同资产的数量)通常非常大,条件N/T 1.在实践中,几乎总是违反可靠和稳定估计的必要性。在本文中,我们将考虑N和T都非常大,但它们的比率是有限的情况。风险度量和优化都需要一个度量,一个风险度量。在马科维茨的原始投资组合优化理论[1]中,风险度量被选择为回报数据的波动性,与观察到的时间序列的方差一致。如果用方差来衡量风险,这同样会惩罚巨大的负向和正向波动。从投资者的角度来看,损失和收益的对称处理被认为是不合理的,因此,下行风险度量的概念,仅关注损失,很早就被马科维茨[2]以最小方差的形式引入。几十年后,在1987年10月黑色星期一的金融危机以及80年代末90年代初美国储蓄和贷款业的崩溃之后,人们意识到,真正致命的危险潜伏在损失分布的远尾,这种灾难性事件的概率远远高于根据正态分布估计的概率。风险价值(VaR)在80年代末开始零星出现,试图抓住这种尾部风险。在摩根大通的每日风险报告中,它被用作衡量标准,后来通过他们的RiskMetrics方法[3]被广泛传播,在一定时期内成为了一种行业标准。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-12 14:52:46
1996年,国际监管机构将VaR作为“官方”风险度量标准,VaR的地位进一步提升[4]。风险价值(VaR)是利润和损失分布的高分位数,投资组合损失的阈值不会超过概率α。在实践中,该置信水平的典型值被选择为0.90、0.95或0.99。尽管VaR具有不可否认的优点,但它很快就受到了批评,因为它缺乏次加性,这违反了多元化原则,也因为它没有说明VaR分位数以外的分布行为。通过对风险度量问题的公理化方法,Artzner等人[5]引入了连贯度量的概念,通过构造,这些度量没有这些缺点。一致性度量的最简单代表是预期短缺(ES),即高于高分位数的平均风险,该分位数可以选择为等于VaR阈值。因此,ES也被称为条件VaR或CVaR。作为条件平均,ES不仅对分位数以上的总质量敏感,而且对其分布也敏感。这一点,以及P flug[6]和Acerbi and Tasche[7,8]证明的连贯性,使其在理论家中广受欢迎,但在实践者中也越来越受欢迎。最近,法规[9,10]也采纳了这一点,该法规设想ES的置信水平为0.975。如今,VaR和ES是两种最常用的风险度量。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-12 14:52:49
因此,研究它们的统计特性非常重要,尤其是在典型的高维环境中。对于大型投资组合而言,缺乏足够的数据对于任何风险度量都是非常严重的,尤其是在下行风险度量(如VaR和ES)的情况下,这种情况尤其严重,因为下行风险度量丢弃了除高分位数以外的大部分观察数据。Danielsson和Zhou[11]最近对该问题的风险度量方面进行了全面的处理。我们的目的是研究互补问题:投资组合选择。如果我们知道收益的真实概率分布,那么确定投资组合的最佳组合(最佳投资组合权重)并计算预期缺口的真实值就很简单了。然而,回报的真实分布是未知的。在实践中,我们可能只有一个有限的样本,最佳权重和E必须根据这些信息进行估计。由此产生的权重和ES将偏离其“真实”值(将在一个非常大的固定样本中获得),且偏差预计将越大,样本长度T越短,投资组合的维度N越大。此外,在不同的样本中,我们将获得不同的估计:样本上存在ES和最佳权重的分布。如何应对这种相对稀缺的数据所带来的估计误差?在实际操作中,如果一个人真的必须面对一个规模有限的样本,可以使用交叉验证或引导[12]。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群