跳至正文
返回文库全部文档

协方差不确定条件下的稳健增长最优投资

文章 arXiv papers · 作者: Erhan Bayraktar et al.
阅读原文

总结

论文探讨投资者无法精确了解标的资产协方差结构时的投资组合选择问题。论文寻求一种策略，使其在适当的可容许协方差结构类别中稳健地实现渐近增长最大化。因此，研究重点是在不能将协方差估计视为已知的情况下如何选择投资。

作者使用全非线性椭圆算子的广义主特征值及其对应特征函数来刻画最优策略。在略微限制不受共同测度支配的概率测度集合后，作者确立了这一刻画结果。该文给出的是理论结果，而非实证表现证据：文中未指定资产范围、数值结果或实际估计程序，且结果取决于所述可容许性框架及对概率测度的限制。

核心观点

  • 问题是在资产协方差不确定时实现稳健增长最优化。
  • 策略是在适当的可容许协方差结构类别上刻画的。
  • 全非线性椭圆算子的广义主特征值及其特征函数决定了这一刻画。
  • 该结果依赖于对所考虑的非支配概率测度作出轻微限制。
  • 文档提供的是数学刻画，而非实证表现结果。

标签

投资组合构建风险管理统计学
全文
# Robust maximization of asymptotic growth under covariance uncertainty


# Robust maximization of asymptotic growth under covariance uncertainty









This paper resolves a question proposed in Kardaras and Robertson [Ann. Appl. Probab. 22 (2012) 1576-1610]: how to invest in a robust growth-optimal way in a market where precise knowledge of the covariance structure of the underlying assets is unavailable. Among an appropriate class of admissible covariance structures, we characterize the optimal trading strategy in terms of a generalized version of the principal eigenvalue of a fully nonlinear elliptic operator and its associated eigenfunction, by slightly restricting the collection of nondominated probability measures.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。