Modelos de riesgo heteróticos para optimizar carteras de renta variable

Resumen

El documento describe un método para construir modelos heteróticos de riesgo para acciones. El enfoque combina la clasificación por sectores con estimaciones de covarianza por componentes principales dentro de grupos de acciones y luego reduce el modelo de covarianza mediante una construcción recursiva en forma de muñeca rusa. Los autores presentan los modelos resultantes como una forma de obtener estimaciones de riesgo estables con periodos retrospectivos cortos e indican que proporcionan un algoritmo completo y código fuente.

La aplicación indicada es la optimización del ratio de Sharpe para señales intradiarias de reversión a la media basadas en rendimientos nocturnos. Los autores informan de que la optimización con modelos heteróticos mejora las características de rendimiento frente a regresiones ponderadas que utilizan componentes principales o clasificaciones sectoriales. También describen código fuente para construir modelos estadísticos de riesgo y optimizar bajo restricciones lineales homogéneas y límites de posición. El texto proporcionado no especifica los datos, el periodo de evaluación, las métricas ni la magnitud de la mejora comunicada, por lo que este resumen por sí solo no permite evaluar el resultado de forma independiente.

Ideas clave

• El método combina grupos sectoriales con estimaciones de covarianza por componentes principales dentro de grupos de acciones.
• Una construcción en forma de muñeca rusa reduce el tamaño de la matriz de covarianza de los factores.
• Los autores presentan el enfoque como adecuado para estimar el riesgo de forma estable con periodos retrospectivos cortos.
• Informan de mejores características de optimización para señales intradiarias de reversión a la media basadas en rendimientos nocturnos.
• La optimización descrita incluye restricciones lineales homogéneas y límites de posición.

Etiquetas

# 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.

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.