Conjuntos de información admisibles para optimizar carteras media-varianza

Resumen

Este artículo incorpora al problema de optimización la información utilizada para elegir carteras media-varianza. Sostiene que el análisis estándar de carteras puede distorsionarse al incluir variables que no están disponibles en el momento de decidir o al confundir variación compartida con riesgo idiosincrático. Los autores definen clases de información admisibles mediante restricciones previas sobre disponibilidad, ausencia de arbitraje, separación estadística y —en afirmaciones sobre intervenciones— invariancia en regímenes especificados. Seleccionan una clase de información sin utilizar resultados de riesgo-rendimiento y luego resuelven dentro de ella el problema clásico de cartera.

Los resultados teóricos abarcan la existencia, la invariancia ante la recodificación y el valor de la información admisible; también identifican cuándo seleccionar información según la pérdida de decisión puede admitir datos futuros. Se indica que un estimador es consistente con el arrepentimiento de segundo orden. En datos de mercado con 127 factores candidatos, la condición puede alcanzarse para acciones individuales, pero apenas cambia con una búsqueda más amplia para carteras ya diversificadas. Cuando falla la separación exacta, las carteras de varianza mínima pueden igualar el efecto de la regularización por contracción con menor rotación y dejar parte del riesgo sin explicar. Estos hallazgos dependen de los supuestos de admisibilidad indicados y no establecen que la identificación causal siempre compense su coste de búsqueda.

Ideas clave

• La disponibilidad de información y la separación estadística se tratan como restricciones para elegir una cartera.
• El orden de admisibilidad selecciona una clase de información sin basarse en resultados de riesgo-rendimiento.
• Las afirmaciones causales requieren invariancia entre regímenes declarados, y la identificación conlleva un coste de búsqueda.
• La condición empírica se comporta de forma distinta para acciones individuales y carteras ya diversificadas.
• Cuando falla la separación exacta, las carteras de varianza mínima pueden reducir la rotación y conservar parte del riesgo sin explicar.

Etiquetas

# 2610.00147


# Admissible Portfolio Optimization: Information Constraints, Conditional Efficient Frontiers, and the Price of Causal Identification









Mean--variance portfolio choice takes the conditioning information as given and optimizes over weights, so two errors about that information pass into the portfolio unseen: using variables unavailable at the decision time and treating common variation as idiosyncratic. We make the conditioning information a decision variable subject to hard admissibility constraints declared in advance: availability, a no-arbitrage-preserving enlargement of the decision filtration, statistical separation and, for interventional claims, invariance across declared regimes. A lexicographic admissibility order in which no risk--return quantity enters selects an optimal information class, and the classical problem is solved inside it. We prove existence, invariance under recodings, and a value-of-admissible-information theorem whose failure conditions show that selection by decision loss admits look-ahead information whenever present; the two-stage solution and the joint envelope are the minimal elements of two orders on one set. Under exact separation the diversifiable part of risk is a property of the admissible class and is interventionally stable only under interventional admissibility; requiring causal identification carries an explicit oracle price traded against search complexity. The estimator is consistent with second-order regret. On market data with 127 candidate drivers the condition is attainable on individual equities, where enlarging the search reduces the defect at a measurable rate, and not on pre-diversified portfolios, where it is nearly invariant to the search because the residual dependence is the common factor itself. Where it fails, the covariance still yields minimum-variance portfolios that match shrinkage at markedly lower turnover while discarding a measurable part of their risk, which an exact decomposition attributes to the residual share, breadth and average residual correlation.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.