주식 포트폴리오 최적화를 위한 이종 위험 모형
기사 arXiv papers · 저자: Zura Kakushadze
요약
이 문서는 주식 이종 위험 모형을 구축하는 방법을 설명합니다. 이 접근법은 산업 분류와 주식 하위 그룹 내 주성분 공분산 추정치를 결합한 뒤, 러시아 인형 방식의 재귀적 구성으로 공분산 모형을 축소합니다. 저자들은 이 모형이 짧은 과거 참조 기간에서도 안정적인 위험 추정치를 만들 수 있다고 제시하며, 완전한 알고리즘과 소스 코드를 제공한다고 합니다.
제시된 적용 사례는 익일 수익률에 기반한 장중 평균회귀 신호의 샤프 비율 최적화입니다. 저자들은 이종 모형을 이용한 최적화가 주성분 또는 산업 분류를 사용하는 가중 회귀보다 성과 특성을 개선한다고 보고합니다. 또한 통계적 위험 모형 구축과 동차 선형 제약 및 포지션 한도하의 최적화를 위한 소스 코드도 설명합니다. 제공된 텍스트에는 데이터, 평가 기간, 지표, 개선 폭이 명시되지 않아 이 요약만으로 결과를 독립적으로 평가할 수 없습니다.
핵심 아이디어
- 이 방법은 산업 그룹과 주식 하위 그룹 내 주성분 공분산 추정치를 결합합니다.
- 러시아 인형 방식의 구성으로 팩터 공분산 행렬의 크기를 줄입니다.
- 저자들은 짧은 과거 참조 기간으로도 안정적인 위험 추정치를 만드는 데 적합하다고 제시합니다.
- 익일 수익률 기반 장중 평균회귀 신호의 최적화 특성이 개선됐다고 보고합니다.
- 설명된 최적화에는 동차 선형 제약과 포지션 한도가 포함됩니다.
태그
전문
# 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.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.