Modelos heteróticos de risco para otimização de carteiras de ações

Resumo

O documento descreve um método para construir modelos heteróticos de risco para ações. A abordagem combina classificação por setor com estimativas de covariância por componentes principais dentro de grupos de ações e, em seguida, reduz o modelo de covariância por meio de uma construção recursiva em camadas. Os autores apresentam os modelos resultantes como uma forma de produzir estimativas de risco estáveis a partir de períodos retrospectivos curtos e afirmam fornecer um algoritmo completo e código-fonte.

A aplicação indicada é a otimização do índice de Sharpe para sinais intradiários de reversão à média baseados em retornos da noite para o dia. Os autores relatam que a otimização com modelos heteróticos melhora características de desempenho em comparação com regressões ponderadas que usam componentes principais ou classificações setoriais. Também descrevem código-fonte para construção de modelos estatísticos de risco e otimização sob restrições lineares homogêneas e limites de posição. O texto fornecido não especifica os dados, o período de avaliação, as métricas ou a magnitude da melhora relatada, portanto esse resultado não pode ser avaliado de forma independente apenas com este resumo.

Ideias principais

• O método combina agrupamentos setoriais com estimativas de covariância por componentes principais dentro de grupos de ações.
• Uma construção recursiva em camadas reduz o tamanho da matriz de covariância dos fatores.
• Os autores apresentam a abordagem como adequada para estimativas de risco estáveis usando períodos retrospectivos curtos.
• Eles relatam características de otimização melhores para sinais intradiários de reversão à média baseados em retornos da noite para o dia.
• A otimização descrita inclui restrições lineares homogêneas e limites de posição.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.