全部版块 我的主页
论坛 经济学人 二区 外文文献专区
772 22
2022-05-31
英文标题:
《Robust Portfolio Optimisation with Specified Competitors》
---
作者:
Gon\\c{c}alo Sim\\~oes, Mark McDonald, Stacy Williams, Daniel Fenn,
  Raphael Hauser
---
最新提交年份:
2017
---
英文摘要:
  We extend Relative Robust Portfolio Optimisation models to allow portfolios to optimise their distance to a set of benchmarks. Portfolio managers are also given the option of computing regret in a way which is more in line with market practices than other approaches suggested in the literature. In addition, they are given the choice of simply adding an extra constraint to their optimisation problem instead of outright changing the objective function, as is commonly suggested in the literature. We illustrate the benefits of this approach by applying it to equity portfolios in a variety of regions.
---
中文摘要:
我们扩展了相对稳健的投资组合优化模型,以允许投资组合优化其与一组基准的距离。与文献中建议的其他方法相比,投资组合经理还可以选择以更符合市场实践的方式计算遗憾。此外,他们可以选择简单地向优化问题添加额外约束,而不是像文献中通常建议的那样彻底改变目标函数。我们通过将其应用于各个地区的股票投资组合来说明这种方法的好处。
---
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
2022-5-31 01:06:15
利用特定竞争对手Gon,calo Simoes1,2、Mark McDonald、Stacy Williams、DanielFenn和Raphael Hauser 1,2数学研究所、牛津大学OX2 6GG、英国牛津曼量化金融研究所、牛津大学OX2 6ED、英国外汇量化研究所、汇丰银行伦敦E14 5HQ、,UKAstractwe扩展了相对稳健的投资组合优化模型,允许投资组合优化到一组基准的距离。PortfolioManager还可以选择计算遗憾的方式,这种方式比文献中建议的其他方法更符合市场实践。此外,他们可以选择简单地向优化问题添加额外约束,而不是像文献中通常建议的那样彻底改变目标函数。通过将此方法应用于多个地区的股票投资组合来说明此方法的好处。自Markowitz(1952)以来,现代投资组合理论一直是数学金融领域的一个活跃研究领域,但尚未被实践者完全采用。其已知缺陷之一是假设未来回报的时刻是确定的,这导致了实践中的严重表现不佳,例如DeMiguel等人【2009年】,Michaud【1989年】。然而,最近在努力解决这一问题方面取得了一些进展。在成功应用于其他领域后,稳健优化是解决这一问题的技术之一,见Bertsimas等人【2011年】。模型参数(如未来收益时刻)未知是稳健优化背后的核心动机。稳健优化模型不需要确定地指定模型参数,而只需要一组可能的参数值,即所谓的不确定性集。
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

2022-5-31 01:06:19
另一种流行的技术,随机优化,不仅需要一个不确定性挫折,还需要一个相关的概率分布。到目前为止,研究最多的稳健投资组合优化方法是最坏情况情景法,其目的是在不确定性集中可能存在的最坏值下找到表现最佳的投资组合。已经发表了大量的论文,并提出了不同的扩展,从不同形状的不确定性集、不同的市场模型假设到包含交易成本。有关调查,请参见Kim等人【2014年】。虽然这种方法在某些情况下可能是明智的,但我们认为这并不适合大多数从业者。尽管担心现实情景很重要,但典型的日常情景同样重要,不应忽视。此外,一些专业人士(如投资经理)经常根据竞争对手进行评估,而不是根据绝对值。出于这些原因,我们认为,inKouvelis和Yu(1997年)提出并在Hauser等人(2013年)中发展的相对稳健优化更适合大多数投资组合经理。在这种方法中,投资组合的价值不仅取决于其表现,还取决于竞争对手的表现。相对破产优化并没有像最坏情况下的优化那样得到广泛研究,因为它的吸引力主要在于金融应用,而不是稳健优化的发源地工程。竞争显然是一个模棱两可的术语,需要加以明确。在Hauser et al.(2013)中,作者将竞争定义为“无所不知的对手”,与我们有相同的约束条件,但知道“正确”的模型参数,因此解决了非稳健的投资组合优化问题。
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

2022-5-31 01:06:22
我们提出这样一种观点,即竞争可能独立于我们最初的问题,也就是说,竞争可能不受我们相同的约束,也不使用相同的技术。我们明确指出,竞争可以根据用户的需求来描述,就像经典稳健优化问题中设置的不确定性一样。如果竞争恰好受到与我们完全相同的约束,并且正在解决优化问题,那么我们将恢复Hauser等人【2013】中的设置。大多数关于稳健投资组合优化的学术文献都建议必须替换目标函数,这表明投资者如果希望使用这样的工具,就必须重新开始(而且他们永远不能同时使用多个工具)。然而,投资者有自己的目标,并且(有理由)对改变目标持谨慎态度,这使得从文学到实践的飞跃更加难以实现。考虑到这一点,我们建议增加一个额外的约束,而不是一个新的目标函数。这使得投资者可以保持其框架不变,只需做一个小的改变,以额外的约束换取额外的健壮性。为了简单起见,同时也为了实际目的,我们将使用一个有限集作为我们的竞争对手。使用凸分析中的标准工具,这可以扩展到更一般的凸集的有限集合。然而,我们要提醒从业者,在没有充分了解潜在缺陷的情况下,要小心过度复杂化他们的模型。有疑问时,越简单越好。根据这一理念,我们将研究处理波动性而非预期回报的模型。不考虑预期回报的投资理念并不新鲜。自Haugen和Baker【1991】提出最小波动率投资组合以来,已经发表了大量关于该投资组合的研究,并对其绩效进行了广泛研究,例如Clarke et al。
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

2022-5-31 01:06:25
[2006],Lee[2011]。事实上,一些资产管理公司已经以一种或另一种形式向其客户提供了这种解决方案(见Scherer【2011】),最近媒体报道称,2016年上半年此类基金净流入125亿美元(见Kurilo ff【2016年7月24日】)。已开发出所谓的基于风险的投资扩展,包括最大多样性(Choueifaty和Coignard[2008])、同等风险贡献(Maillard等人[2008]),以及其他(Jurczenko等人[2013])。然而,将我们的框架扩展到需要预期回报或其他特性的模型是很简单的。事实上,鉴于传统的投资组合优化对均值误差的敏感性,这种方法似乎特别有希望,见Chopra和Ziemba【1993年】。相比之下,协方差矩阵随着时间的推移更加稳定,尽管它们在不同的制度之间确实会发生变化,如Fenn等人【2011年】所示。我们将假设一定数量的制度,每个制度都以协方差矩阵为特征。然后,我们证明了我们的问题可以扩展到不确定性集(所有待定模型参数的集合)在一类广义凸集内的情况。当引入一个新模型时,一个重要的问题是,结果是否与文献中已经存在的简单模型有根本不同。利用一系列地区的股票数据,我们采用Barnett和Onnela【2016】中的方法来研究卵巢矩阵中可能的政权转换。我们针对一些常用的方法运行了我们的模型,并得出结论,由此产生的投资组合不仅是独特的,而且是对现有方法的敏感替代。我们首先简要回顾了相关的现有模型:首先是最小波动率问题,然后是绝对稳健的投资组合优化,最后是相对稳健的投资组合优化。
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

2022-5-31 01:06:29
然后,我们引入了我们自己的模型,提出了一种与豪塞雷特(Hauseret)等人[2013]中发现的不同的遗憾衡量标准。起初,我们认为它是一个目标函数,这在文献中很常见,但后来我们建议将其作为约束,使其更广泛地适用。然后,我们继续Kouvelis和Yu【1997】中的建议,并在投资组合优化的背景下引入比例后悔,这是一种稍有不同的措施,更符合从业者的惯例。最后,我们进行了上述数值实验,并给出了一些结论。值得一提的是,所有提议的更改和添加并没有改变潜在优化问题的复杂性。在实施了相对稳健的优化后,二阶coneprograms或半限定程序仍将在各自的类别内,因此仍然可以使用标准解算器(如MOSEK或CPLEX)在多项式时间内求解)。经典模型我们应首先描述文献中最常见的模型,然后再提出不同的方法来处理方差矩阵中的不确定性。设X为可容许投资组合的集合,为简单起见,我们假设该集合为所有仅长期投资组合的集合,X={X∈ RN:1Tx=1,x≥ 0}。(1) 这些根本不是必需的,由于用户的参考和/或监管限制,可能会添加额外的限制。当我们知道Haugen和Baker【1991年】介绍的“真实”协方差矩阵Q时,我们从寻找最小波动率组合的简单问题开始。这个问题可以写成sminxpxtq x(2)s.t.x∈ 十、该模型以Q为已知值,这在金融应用中不是一个有效的假设。
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…
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