Isotropie-regularisierte Mean-Variance-Portfolios bei unsicheren Signalen

Zusammenfassung

Das Paper überträgt das Isotropieprinzip der Eigenrisikoparität auf einen Rahmen zur Portfolioallokation, der Mean-Variance-Optimierung mit einer einstellbaren Isotropiebeschränkung verbindet. Isotropie verteilt das Risiko über Eigenmoden und wirkt als geometrischer Regularisierer, der die Empfindlichkeit gegenüber unsicheren Signalen und Schätzfehlern verringern soll. Die resultierenden Allokationen lassen sich als Kombinationen kanonischer Portfolios ausdrücken; der Strafparameter steuert den Übergang zwischen einer vollständig isotropen, mittelwertbasierten Allokation und der gewöhnlichen Mean-Variance-Optimierung.

Die Arbeit erläutert außerdem Beziehungen zwischen Isotropie, kanonischen und Hauptportfolios, primalen und dualen Darstellungen sowie basisinvarianten Rendite- und Risikomaßen. In einer Anwendung auf sektorales Trend-Following führt die Beschränkung zu einem negativen Engagement gegenüber dem durchschnittlichen Signal, das die Autoren als strukturelle Crash-Absicherung bezeichnen. Der Auszug enthält keine quantitativen Leistungsergebnisse, Datensatzdetails oder Vergleichsstatistiken; daher lässt sich die praktische Wirksamkeit dieser Absicherung anhand der Beschreibung nicht beurteilen.

Kernaussagen

• Isotropie verteilt das Portfoliorisiko gleichmäßig über Eigenmoden und kann Allokationen gegenüber unsicheren Signalen regularisieren.
• Eine einstellbare Isotropiestrafe bildet den Übergang zwischen vollständig isotroper, mittelwertbasierter Allokation und reiner Mean-Variance-Optimierung.
• Der Allokationsrahmen zerlegt sich in kanonische Portfolios und knüpft an Hauptportfolio- sowie primal-duale Konzepte an.
• In einer Anwendung auf sektorales Trend-Following bewirkt Isotropie ein negatives Engagement gegenüber dem Durchschnittssignal.
• Die Autoren stellen dieses Engagement als robuste Crash-Absicherung dar; der Auszug enthält jedoch keine Leistungsstatistiken, mit denen sich ihre Wirksamkeit prüfen ließe.

Schlagwörter

# Basis Immunity: Isotropy as a Regularizer for Uncertainty


# Basis Immunity: Isotropy as a Regularizer for Uncertainty









Diversification is a cornerstone of robust portfolio construction, yet its application remains fraught with challenges due to model uncertainty and estimation errors. Practitioners often rely on sophisticated, proprietary heuristics to navigate these issues. Among recent advancements, Agnostic Risk Parity introduces eigenrisk parity (ERP), an innovative approach that leverages isotropy to evenly allocate risk across eigenmodes, enhancing portfolio stability. In this paper, we review and extend the isotropy-enforced philosophy of ERP proposing a versatile framework that integrates mean-variance optimization with an isotropy constraint acting as a geometric regularizer against signal uncertainty. The resulting allocations decompose naturally into canonical portfolios, smoothly interpolating between full isotropy (closed-form isotropic-mean allocation) and pure mean-variance through a tunable isotropy penalty. Beyond methodology, we revisit fundamental concepts and clarify foundational links between isotropy, canonical portfolios, principal portfolios, primal versus dual representations, and intrinsic basis-invariant metrics for returns, risk, and isotropy. Applied to sector trend-following, the isotropy constraint systematically induces negative average-signal exposure -- a structural, parameter-robust crash hedge. This work offers both a practical, theoretically grounded tool for resilient allocation under signal uncertainty and a pedagogical synthesis of modern portfolio concepts.

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.