全部版块 我的主页
› 论坛 › 经济学人 二区 › 外文文献专区
投资组合质量的界限
nandehutu2022
792 8
2022-05-15
英文标题：
《Bounds on Portfolio Quality》
---
作者：
Steven E. Pav
---
最新提交年份：
2014
---
英文摘要：
  The signal-noise ratio of a portfolio of p assets, its expected return divided by its risk, is couched as an estimation problem on the sphere. When the portfolio is built using noisy data, the expected value of the signal-noise ratio is bounded from above via a Cramer-Rao bound, for the case of Gaussian returns. The bound holds for `biased\' estimators, thus there appears to be no bias-variance tradeoff for the problem of maximizing the signal-noise ratio. An approximate distribution of the signal-noise ratio for the Markowitz portfolio is given, and shown to be fairly accurate via Monte Carlo simulations, for Gaussian returns as well as more exotic returns distributions. These findings imply that if the maximal population signal-noise ratio grows slower than the universe size to the 1/4 power, there may be no diversification benefit, rather expected signal-noise ratio can decrease with additional assets. As a practical matter, this may explain why the Markowitz portfolio is typically applied to small asset universes. Finally, the theorem is expanded to cover more general models of returns and trading schemes, including the conditional expectation case where mean returns are linear in some observable features, subspace constraints (i.e., dimensionality reduction), and hedging constraints.
---
中文摘要：
p资产组合的信噪比，其预期收益除以风险，被描述为球面上的一个估计问题。当使用噪声数据构建投资组合时，对于高斯回报的情况，信噪比的预期值通过Cramer-Rao界由上而下。“有偏”估计量的界成立，因此，对于最大化信噪比的问题，似乎不存在偏差-方差权衡。给出了Markowitz投资组合的信噪比的近似分布，并通过蒙特卡罗模拟证明，对于高斯收益以及更奇异的收益分布，该分布相当准确。这些发现意味着，如果最大总体信噪比的增长速度慢于宇宙大小的1/4次方，则可能没有多元化的好处，而预期的信噪比会随着额外资产的增加而降低。作为一个实际问题，这或许可以解释为什么马科维茨投资组合通常适用于小型资产领域。最后，该定理被扩展以涵盖更一般的收益和交易方案模型，包括条件期望情况，其中平均收益在一些可观察特征中是线性的，子空间约束（即维度缩减）和对冲约束。
---
分类信息：

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
kedemingshi
2022-5-15 13:18:45
未知的人口参数u和∑必须根据样本进行估计，从而产生价值可疑的可行投资组合。米肖甚至把均值-方差优化称为“误差最大化”[23]取而代之的是，人们提出了许多投资组合构建方法来取代马科维茨的投资组合，有些*spav@alumni.cmu.edu作者感谢罗摩克里希纳·卡卡拉分享他的研究成果。基于修补推测的理论缺陷，其他人则依赖简单的神经学。[7,30,3]实践工作者通常采用降维启发法来缓解估计误差，有效地减少了组合优化问题中的自由变量数量。这种策略的一个版本将数十种甚至数百种股票的回报描述为少数“因子”回报（加上一些“特殊”术语）的线性组合；然后将投资组合问题归结为对要素投资组合的优化。如果确定了总体参数，缩小可行投资组合的集合只会降低最优投资组合效用。然而，总体参数通常只能进行弱估计，降维是常见的做法。在本文中，一个上界是建立在一个可行投资组合的信噪比的预期值上的，定义为投资组合的预期收益除以其风险，收益和风险使用（未知）总体参数来衡量，以及用于估计投资组合的样本实现的“预期值”。这个界限平衡了“效应大小，\'pnu>∑”-1u，随着资产数量的增加，p和justifies以某种形式减少了维度。
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

可人4
2022-5-15 13:18:48
例如，可以确定，如果通过向投资领域添加额外资产，pu>∑-1u以低于p1/4的速率增长，预期信噪比的上限会降低。2投资组合信噪比T x是p资产的相对收益向量，期望值为u，协方差为∑。这些资产的投资组合的预期收益率为^ν>u，方差为∑ν>u。将投资组合的信噪比定义为投资组合收益率的信噪比：x:q（^ν）=df^ν>up^ν>∑^ν（3）人们可以将信噪比视为投资组合的一种“质量”指标，如下所示：未来收益率的夏普比统计在所定义的信噪比中是“随机单调的”，即如果q（^ν）≤ q（^ν）然后^ν>x（一阶）的夏普比随机决定了^ν>x的夏普比。请注意，投资组合信噪比受总体马科维茨投资组合实现的信噪比的限制*:|q（^ν）|≤ ζ*=dfpu>∑-1u=q（ν）*) = QΣ-1u. （4） 我们可以在“风险空间”中通过引入一个风险变换来几何地解释投资组合信噪比：q（^ν）=^ν>∑-1up^ν>∑∑ν=Σ>/2^ν>Σ>/2ν*QΣ>/2^ν>Σ>/2^ν. （5） 现在通过q（^ν）可以取的最大绝对值进行归一化：q（^ν）ζ*=Σ>/2^ν>Σ>/2ν*QΣ>/2^ν>Σ>/2^νQΣ>/2ν*>Σ>/2ν*,=∑>/2^νqΣ>/2^ν>Σ>/2^ν>Σ>/2ν*QΣ>/2ν*>Σ>/2ν*,= 财政司司长Σ>/2^ν>财政司司长Σ>/2ν*,式中fs（x）=dfx√x> x（6）是将非零向量x带到单位球面的投影算子。也就是q（^ν）/ζ*可以视为单位球面上两个向量的点积（假设^ν和ν*是非零向量），即fSΣ>/2^ν财政司司长Σ>/2ν*. 设θ为fS之间的夹角Σ>/2^ν财政司司长Σ>/2ν*,因此q（^ν）=ζ*cosθ。实际上，投资组合^ν是使用随机变量x的NI.i.d.观测值建立的。
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

可人4
2022-5-15 13:18:52
用n×p矩阵X表示这些观测值，通过滥用旋转，用^ν（X）表示给定X的^ν的估计量。用同样的符号，写出θ（X）。我们将限制^ν（X）的期望值。为了吸引克拉姆-拉奥界，人们通常必须假设估计量是无偏的。对于这个问题，需要一个较弱的条件。假设2.1（方向独立性）。假设是这样∑>/2^ν（X）i=cnζ*财政司司长Σ>/2ν*+ bn（u，∑），（7），其中bn（u，∑）是与fS正交的“偏差”项Σ>/2ν*, 和可以是u和∑的任意函数。注意，通过bn（u，∑）和fS的正交性Σ>/2ν*, 期望值的线性，E[cosθ（X）]=Eq（^ν）ζ*= E财政司司长∑>/2^ν（X）>财政司司长Σ>/2ν*= cnζ*. （8） 因此| cn（x）|≤ 1，我们期望cn（x）≥ 0表示“理智”的投资组合估值器。此外，我们期望cn（x）→ 0作为nx→ 0，对于非零x，cn（x）→ 1 asn→ ∞.当bn（u，∑）是零向量时，该估计器在Watson的术语[15]中是“并行估计器”，或者在Hendricks的意义上是“无偏的”。[12,11]注意，等式7对于任何方向等变投资组合估值器都是满足的，即对于任何正交H，（H>H=Ip=HH>），一个具有XH>= H^ν（X）。然而，我们应该认识到，并不是所有的投资组合估值器都满足这个假设。例如，假设一个估值器的集中度永远不会大于p-其在任何一项资产中的总配置比例；该估计量不具有方向独立性，因为当ν*= ζ*e、 “一对N分配”估计器也不适用。[7] 我们必须排除其他“病理”病例。假设2.2（剩余独立性）。
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

可人4
2022-5-15 13:18:56
假设剩余物的分布∑>/2^ν（X）- EhfS∑>/2^ν（X）iis独立于∑>/2ν*.这种假设可以防止我们对1/N分配做出错误的断言，例如，在1/N分配几乎等于ν的情况下*. [7] 设y为p-变量随机变量。Thentr（Var（y））=tr呃(y)- E[y]）（y- E[y]）>i,= trEyy>- trE[y]E[y]>,= Ey> y- E[y]>E[y]。（9） 通过方程7，并使用bn（u，∑）和fS的正交性Σ>/2ν*, 然后我们就有了变量财政司司长∑>/2^ν（X）= 1.-cnζ*+ b> n（u，∑）bn（u，∑）≤ 1.- cnζ*, （10） 我们将约束fS的方差∑>/2^ν（X）通过一个Cram’er-Rao下界，从而在cn上建立了一个上界ζ*.定义η=df∑>/2ν*= Σ-1/2u. （11） 注意η>η=u>∑-1u = ζ*. 使用方程式10左侧的Cram!er-Rao下界，然后使用期望中η的定义，我们得到[24]ntrDI-1ηD>≤ 1.- cnη>η, （12） 式中D=dfdcnη>ηη√η> ηdη。（13） 这里我们采用导数来遵循“分子布局”惯例，这意味着梯度是一个行向量。该导数的形式为d=cnη>ηpη>ηη>+cnη>ηIpη>η-ηη>η>η!. （14） 为了计算Fisher信息Iη，我们必须计算回报的可能性x。虽然正态分布对资产回报率来说是一个很差的函数[6]，但它是一个便于处理的分布。假设2.3（正常回报）。假设x是多元正态分布，x~ N（u，∑）。对于多元正态收益率，且以∑为条件，对数概率取形式log f（η| x）=c-（十）- u)>Σ-1（x）- u），=c（x）+η>∑-1/2倍-η> η，（15）从似然函数中删除“干扰参数”。FisherInformation是Hessian对η的对数可能性的负期望。在这种情况下，我们有simplyIη=-E对数f（η| x）ηη>= Ip。
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

kedemingshi
2022-5-15 13:18:59
（16） 这从根本上简化了解释，因为方程式12的克拉姆-拉奥界现在可以表示为NTRDD>≤ 1.- cnη>η. （17） 利用等式14中给出的D形式，并注意到交叉项是正交的，我们得到了DD>= trcnη>ηηη>+cnη>η“Iη>η”-ηη>(η>η)#!,=cnη>ηη> η+cnη>ηP- 1η>η，（18）使用以下事实：yy>= y> y.对于等式17，这给出cnη>ηη> η+cnη>ηP- 1η>η≤ N1.- cnη>η. （19） 术语cnη>ηη> η是非负的，所以我们可以舍弃它，得到一个不涉及cn:cn导数的粗碳化合物η>ηP- 1η>η≤ N1.- cnη>η. （20） 这个yieldscnη>η≤nη>ηp- 1+nη>η，（21）证明下列定理。定理2.4。设^ν（X）是基于多变量高斯收益X的NI.i.d.观测值的估计量，满足方向独立性和剩余独立性的假设。ThenE[q（^ν（X））]≤√nζ*聚丙烯- 1+nζ*. （22）定理2.4平衡了估计量p的“自由度”-1，其中一个丢失，因为只有方向重要，而“可观察的影响大小”，nζ*.影响大小是一个无单位的量。如果ζ*以交易日计算，则n应为交易日数；如果ζ*用“年化”的术语来衡量，那么n应该是年数。这个界限相当苛刻。考虑一个典型的积极管理的投资组合。慷慨地说，我们可以估计ζ*= 1年-1/2超过p=10的资产，使用n=5年的历史数据。那么q（^ν（X））的期望值以0.6年为界-1/2;如果出现同比亏损，则为“0.6西格玛”事件。定理2.4表明，对于比较投资而言，夏普比率平方的大小是一个限制因素，而不是夏普比率本身（假设它为正）。
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

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群