跳至正文
返回文库全部文档

结合动量、规模和残差波动率提升投资组合效用

文章 arXiv papers · 作者: Christopher G. Lamoureux et al.
阅读原文

总结

本文评估资产特征如何共同预测收益，以及如何据此为不同风险偏好的投资者构建投资组合。研究以样本外幂效用和确定性等价衡量绩效，并处理投资组合权重与资产特征关联所产生的估计误差。为减少过拟合，作者提出优化样本内目标函数，并对风险权重施加比效用函数本身更强的惩罚。

没有任何单一特征能提升所有投资者的效用。然而，结合动量、公司规模和残差波动率后，对于所考察的各类投资者，投资组合的确定性等价均高于所列基准。作者将这一结果归因于特征之间的互补作用：动量尤其有助于限制其他输入造成的过拟合。由此得到的投资组合收益似乎也与传统因子收益大体不同。简要介绍未提供样本细节或数值效应大小，因此仅凭文本无法评估这些发现的强度和普遍性。

核心观点

  • 根据资产特征估计投资组合权重时可能会产生估计误差。
  • 选取权重时采用更凹的样本内目标函数，以减少过拟合。
  • 分析中没有任何单一特征能提升所有投资者的效用。
  • 结合动量、规模和残差波动率后，各类投资者的确定性等价均高于基准。
  • 动量可与其他特征互补，减轻它们过拟合的倾向。
  • 由此得到的投资组合收益大体不属于传统因子收益的涵盖范围。

标签

动量因子投资投资组合构建风险管理回测
全文
# An Empirical Assessment of Characteristics and Optimal Portfolios


# An Empirical Assessment of Characteristics and Optimal Portfolios









We analyze characteristics' joint predictive information through the lens of out-of-sample power utility functions. Linking weights to characteristics to form optimal portfolios suffers from estimation error which we mitigate by maximizing an in-sample loss function that is more concave than the utility function. While no single characteristic can be used to enhance utility by all investors, conditioning on momentum, size, and residual volatility produces portfolios with significantly higher certainty equivalents than benchmarks for all investors. Characteristic complementarities produce the benefits, for example momentum mitigates overfitting inherent in other characteristics. Optimal portfolios' returns lie largely outside the span of traditional factors.

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。