Heterotische Risikomodelle zur Optimierung von Aktienportfolios

Zusammenfassung

Das Dokument beschreibt ein Verfahren zur Erstellung heterotischer Risikomodelle für Aktien. Der Ansatz kombiniert Branchenklassifikationen mit Kovarianzschätzungen auf Basis von Hauptkomponenten innerhalb von Aktiengruppen und reduziert das Kovarianzmodell anschließend durch eine rekursive Konstruktion nach dem russischen Puppenprinzip. Die Autoren stellen die resultierenden Modelle als Möglichkeit dar, stabile Risikoschätzungen mit kurzen Rückblickzeiträumen zu erstellen, und geben an, einen vollständigen Algorithmus und Quellcode bereitzustellen.

Als Anwendung wird die Sharpe-Ratio-Optimierung von Intraday-Mean-Reversion-Signalen auf Basis von Übernacht-Renditen genannt. Den Autoren zufolge verbessert die Optimierung mit heterotischen Modellen die Performanceeigenschaften gegenüber gewichteten Regressionen mit Hauptkomponenten oder Branchenklassifikationen. Außerdem beschreiben sie Quellcode für den Aufbau statistischer Risikomodelle und die Optimierung unter homogenen linearen Nebenbedingungen und Positionsgrenzen. Der vorliegende Text nennt weder Daten und Bewertungszeitraum noch Kennzahlen oder das Ausmaß der berichteten Verbesserung. Das Ergebnis lässt sich daher allein anhand dieser Zusammenfassung nicht unabhängig beurteilen.

Kernaussagen

• Das Verfahren verbindet Branchengruppen mit Kovarianzschätzungen auf Basis von Hauptkomponenten innerhalb von Aktiengruppen.
• Eine Konstruktion nach dem russischen Puppenprinzip reduziert die Größe der Faktorkovarianzmatrix.
• Die Autoren stellen den Ansatz als geeignet für stabile Risikoschätzungen mit kurzen Rückblickzeiträumen dar.
• Sie berichten über verbesserte Optimierungseigenschaften für Intraday-Mean-Reversion-Signale auf Basis von Übernacht-Renditen.
• Die beschriebene Optimierung umfasst homogene lineare Nebenbedingungen und Positionsgrenzen.

Schlagwörter

# Heterotic Risk Models


# Heterotic Risk Models









We give a complete algorithm and source code for constructing what we refer to as heterotic risk models (for equities), which combine: i) granularity of an industry classification; ii) diagonality of the principal component factor covariance matrix for any sub-cluster of stocks; and iii) dramatic reduction of the factor covariance matrix size in the Russian-doll risk model construction. This appears to prove a powerful approach for constructing out-of-sample stable short-lookback risk models. Thus, for intraday mean-reversion alphas based on overnight returns, Sharpe ratio optimization using our heterotic risk models sizably improves the performance characteristics compared to weighted regressions based on principal components or industry classification. We also give source code for: a) building statistical risk models; and ii) Sharpe ratio optimization with homogeneous linear constraints and position bounds.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.