상관된 자산 간 추세 추종 전략 배분
기사 arXiv papers · 저자: Denis S. Grebenkov et al.
요약
이 연구는 수익률이 서로 상관될 수 있는 여러 자산에 추세 추종 전략을 어떻게 배분할지 살펴봅니다. 가우스 시장 가정과 선형 전략 아래에서 포트폴리오 평균과 분산의 공식을 도출한 뒤, 이를 사용해 위험 조정 배분을 구성합니다. 저자들은 n개 자산에 대한 동적 배분이 추세 추종 포지션의 선행·후행 조정을 포함한 n제곱 개의 가상 자산에 대한 정적 배분으로 표현될 수 있음을 보입니다.
논문은 2개 자산 설정과 섹터 모델에서 자산 자기상관 및 자산 간 상관관계를 조사합니다. 상관관계는 겉으로 드러나는 추세를 추정하고 포지션을 조정하는 데 도움을 줄 수 있으므로, 분산투자 효과를 단순히 낮추기만 하는 것이 아니라 배분을 개선할 수도 있다고 주장합니다. 결론은 단순화된 가우스 및 선형 가정에 좌우되며, 발췌문에는 실증 성과 결과나 구현 세부 정보가 없습니다. 주요 기여는 상관관계가 추세 추종 신호 및 포트폴리오 구성과 어떻게 상호작용하는지 살펴볼 분석 틀입니다.
핵심 아이디어
- 논문은 가우스 가정 아래 선형 추세 추종 전략의 위험 조정 배분을 도출합니다.
- n개 자산에 대한 동적 배분 문제를 n제곱 개의 가상 자산과 선행·후행 조정을 이용해 재구성합니다.
- 자산 자기상관과 자산 간 상관관계 모두 추세 추종 포트폴리오의 움직임에 영향을 줍니다.
- 저자들은 자산 간 상관관계가 추세 추정과 포지션 조정을 개선할 수 있다고 주장합니다.
- 발췌문은 이론적 틀을 제시하지만 보고된 실증 성과 근거는 없습니다.
태그
전문
# Optimal Allocation of Trend Following Strategies # Optimal Allocation of Trend Following Strategies We consider a portfolio allocation problem for trend following (TF) strategies on multiple correlated assets. Under simplifying assumptions of a Gaussian market and linear TF strategies, we derive analytical formulas for the mean and variance of the portfolio return. We construct then the optimal portfolio that maximizes risk-adjusted return by accounting for inter-asset correlations. The dynamic allocation problem for $n$ assets is shown to be equivalent to the classical static allocation problem for $n^2$ virtual assets that include lead-lag corrections in positions of TF strategies. The respective roles of asset auto-correlations and inter-asset correlations are investigated in depth for the two-asset case and a sector model. In contrast to the principle of diversification suggesting to treat uncorrelated assets, we show that inter-asset correlations allow one to estimate apparent trends more reliably and to adjust the TF positions more efficiently. If properly accounted for, inter-asset correlations are not deteriorative but beneficial for portfolio management that can open new profit opportunities for trend followers.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.