Mô hình rủi ro dị thể cho tối ưu hóa danh mục cổ phiếu

Tóm tắt

Tài liệu mô tả phương pháp xây dựng mô hình rủi ro dị thể cho cổ phiếu. Cách tiếp cận kết hợp phân loại ngành với ước lượng hiệp phương sai bằng thành phần chính trong các nhóm cổ phiếu, sau đó thu gọn mô hình hiệp phương sai bằng cấu trúc đệ quy kiểu búp bê Nga. Các tác giả trình bày mô hình thu được như một cách tạo ước lượng rủi ro ổn định từ các giai đoạn nhìn lại ngắn và cho biết họ cung cấp thuật toán hoàn chỉnh cùng mã nguồn.

Ứng dụng được nêu là tối ưu hóa tỷ lệ Sharpe cho các tín hiệu hồi quy về trung bình trong ngày, dựa trên lợi suất qua đêm. Các tác giả báo cáo rằng tối ưu hóa bằng mô hình dị thể cải thiện các đặc tính hiệu suất so với hồi quy có trọng số sử dụng thành phần chính hoặc phân loại ngành. Họ cũng mô tả mã nguồn để xây dựng mô hình rủi ro thống kê và tối ưu hóa với các ràng buộc tuyến tính đồng nhất cùng giới hạn vị thế. Văn bản được cung cấp không nêu dữ liệu, giai đoạn đánh giá, chỉ số hay mức độ cải thiện được báo cáo, nên không thể đánh giá độc lập kết quả chỉ từ phần tóm tắt này.

Ý chính

• Phương pháp kết hợp các nhóm ngành với ước lượng hiệp phương sai bằng thành phần chính trong các nhóm cổ phiếu.
• Cấu trúc kiểu búp bê Nga thu gọn kích thước của ma trận hiệp phương sai nhân tố.
• Các tác giả cho rằng cách tiếp cận này phù hợp để ước lượng rủi ro ổn định khi dùng giai đoạn nhìn lại ngắn.
• Họ báo cáo các đặc tính tối ưu hóa được cải thiện cho tín hiệu hồi quy về trung bình trong ngày dựa trên lợi suất qua đêm.
• Phương pháp tối ưu hóa được mô tả có các ràng buộc tuyến tính đồng nhất và giới hạn vị thế.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.