Гетеротические модели риска для оптимизации портфеля акций

Сводка

В документе описан метод построения гетеротических моделей риска для акций. Подход объединяет отраслевую классификацию с оценками ковариации на основе главных компонент внутри групп акций, а затем сокращает ковариационную модель рекурсивной конструкцией «русская матрешка». Авторы представляют полученные модели как способ строить устойчивые оценки риска на коротких периодах ретроспективного анализа и сообщают, что предоставляют полный алгоритм и исходный код.

Заявленная область применения — оптимизация коэффициента Шарпа для внутридневных сигналов возврата к среднему, основанных на доходности за ночь. Авторы сообщают, что стратегии оптимизации с гетеротическими моделями имеют лучшие характеристики, чем стратегии на основе взвешенных регрессий с главными компонентами или отраслевыми классификациями. Также описан исходный код для построения статистической модели риска и оптимизации при однородных линейных ограничениях и границах позиций. В предоставленном тексте не указаны данные, период оценки, метрики или величина заявленного улучшения, поэтому результат нельзя независимо оценить по одному этому резюме.

Ключевые идеи

• Метод объединяет отраслевые группы с оценками ковариации на основе главных компонент внутри групп акций.
• Конструкция «русская матрешка» уменьшает размер матрицы ковариаций факторов.
• Авторы считают этот подход пригодным для устойчивых оценок риска на коротких периодах ретроспективного анализа.
• Авторы сообщают об улучшении показателей эффективности оптимизации внутридневных сигналов возврата к среднему, основанных на доходности за ночь.
• В описанной оптимизации используются однородные линейные ограничения и границы позиций.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.