مدلهای ریسک هتروتیک برای بهینهسازی سبد سهام
خلاصه
این سند روشی برای ساخت مدلهای ریسک هتروتیک برای سهام شرح میدهد. این رویکرد، طبقهبندی صنعتی را با برآوردهای کوواریانسِ مبتنی بر مؤلفههای اصلی در زیرگروههای سهام ترکیب میکند و سپس با ساختاری بازگشتی و تودرتو، مدل کوواریانس را کاهش میدهد. نویسندگان مدلهای حاصل را راهی برای ساخت برآوردهای باثبات ریسک از دورههای بازنگری کوتاه معرفی میکنند و میگویند الگوریتم کامل و کد منبع را ارائه میدهند.
کاربرد اعلامشده، بهینهسازی نسبت شارپ برای سیگنالهای بازگشت به میانگین درونروزی است که بر بازدههای شبانه تکیه دارند. نویسندگان گزارش میکنند که بهینهسازی با مدلهای هتروتیک، در مقایسه با رگرسیونهای وزندار مبتنی بر مؤلفههای اصلی یا طبقهبندیهای صنعتی، ویژگیهای عملکرد را بهبود میدهد. آنها همچنین کد منبعی برای ساخت مدل ریسک آماری و بهینهسازی با قیود خطی همگن و حدود موقعیت شرح میدهند. متن ارائهشده دادهها، دوره ارزیابی، معیارها یا اندازه بهبود گزارششده را مشخص نمیکند؛ بنابراین نمیتوان نتیجه را تنها بر پایه این خلاصه مستقلاً ارزیابی کرد.
ایدههای کلیدی
- این روش، گروهبندیهای صنعتی را با برآوردهای کوواریانس مبتنی بر مؤلفههای اصلی در زیرگروههای سهام ترکیب میکند.
- ساختار تودرتو، اندازه ماتریس کوواریانس عوامل را کاهش میدهد.
- نویسندگان رویکرد را برای برآوردهای باثبات ریسک با دورههای بازنگری کوتاه مناسب معرفی میکنند.
- آنها از بهبود ویژگیهای بهینهسازی برای سیگنالهای بازگشت به میانگین درونروزی مبتنی بر بازدههای شبانه گزارش میدهند.
- بهینهسازی شرحدادهشده شامل قیود خطی همگن و حدود موقعیت است.
برچسبها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، بهطور کامل نمایش داده میشود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخهای از اثر منبع نیست.