Оптимизация портфеля - Portfolio optimization

Оптимизация портфеля это процесс отбора лучших портфолио (актив распределение), из множества всех рассматриваемых портфелей по некоторой цели. В цель обычно максимизирует такие факторы, как ожидаемый результат, и минимизирует такие затраты, как финансовый риск. Рассматриваемые факторы могут варьироваться от материальных (например, ресурсы, обязательства, заработок или другой основы ) в нематериальные (например, выборочные отчуждение ).

Современная теория портфолио

Современная теория портфолио была представлена ​​в эссе 1952 г. Гарри Марковиц;[1][2] видеть Модель Марковица Это предполагает, что инвестор хочет максимизировать ожидаемую доходность портфеля в зависимости от любой заданной суммы риска. Для портфелей, отвечающих этому критерию, известных как эффективные портфели, достижение более высокой ожидаемой доходности требует принятия на себя большего риска, поэтому инвесторы сталкиваются с выбором между риском и ожидаемой доходностью. Это соотношение риска и ожидаемой доходности эффективных портфелей графически представлено кривой, известной как Эффективная граница. Все эффективные портфели, каждый из которых представлен точкой на границе эффективности, являются хорошо диверсифицированный. Игнорирование более высоких моментов может привести к значительному чрезмерному инвестированию в рискованные ценные бумаги, особенно при высокой волатильности,[3] оптимизация портфелей при возврате распределения неГауссовский математически сложно.[4]

Методы оптимизации

Задача оптимизации портфеля задается как сдержанный проблема максимизации полезности. Общие формулировки портфолио полезность функции определяют его как ожидаемую доходность портфеля (за вычетом транзакционных и финансовых затрат) за вычетом стоимости риска. Последний компонент, стоимость риска, определяется как риск портфеля, умноженный на предотвращение риска параметр (или цена единицы риска). Практики часто добавляют дополнительные ограничения для улучшения диверсификации и дальнейшего ограничения риска. Примерами таких ограничений являются лимиты веса портфеля активов, секторов и регионов.

Конкретные подходы

Оптимизация портфеля часто происходит в два этапа: оптимизация весов классов активов для удержания и оптимизация весов активов в пределах одного класса активов. Примером первого может быть выбор пропорций, размещенных в акциях по сравнению с облигациями, в то время как примером последнего будет выбор пропорций вложенного портфеля акций, размещенных в акциях X, Y и Z. Акции и облигации имеют фундаментально разные финансовые характеристики и имеют разные систематический риск и, следовательно, могут рассматриваться как отдельные классы активов; владение частью портфеля в каждом классе обеспечивает некоторую диверсификацию, а владение различными конкретными активами в каждом классе дает возможность дальнейшей диверсификации. Используя такую ​​двухэтапную процедуру, можно исключить несистематические риски как на уровне отдельного актива, так и на уровне класса активов.

Один из подходов к оптимизации портфеля - указать функция полезности фон Неймана – Моргенштерна определяется по окончательному богатству портфеля; ожидаемое значение полезности должно быть максимальным. Чтобы отразить предпочтение более высокой, а не более низкой доходности, эта целевая функция увеличение в богатстве и отражать неприятие риска вогнутый. Для реалистичных функций полезности при наличии множества активов, которые можно удерживать, этот подход, хотя теоретически и является наиболее оправданным, может потребовать значительных вычислительных ресурсов.

Гарри Марковиц[5] разработал «метод критической линии», общую процедуру для квадратичное программирование который может обрабатывать дополнительные линейные ограничения, а также верхние и нижние границы владений. Более того, подход предоставляет метод определения всего набора эффективных портфелей. Позже это было объяснено Уильям Шарп.[6]

Для конкретных формул для эффективных портфелей,[7] видеть Разделение портфеля в анализе среднего отклонения.

Математические инструменты

Сложность и масштаб оптимизации портфелей по многим активам означает, что работа обычно выполняется компьютером. Центральным элементом этой оптимизации является построение ковариационная матрица для ставок доходности активов в портфеле.

Методы включают:

Ограничения оптимизации

Оптимизация портфеля обычно выполняется с учетом ограничений, таких как нормативные ограничения или неликвидность. Эти ограничения могут привести к тому, что веса портфеля будут сосредоточены на небольшой подвыборке активов в портфеле. Когда процесс оптимизации портфеля подвержен другим ограничениям, таким как налоги, транзакционные издержки и плата за управление, процесс оптимизации может привести к недиверсифицированному портфелю.[14]

Регулирование и налоги

Инвесторам может быть запрещено законом владеть некоторыми активами. В некоторых случаях неограниченная оптимизация портфеля может привести к короткая продажа некоторых активов. Однако короткие продажи могут быть запрещены. Иногда держать актив непрактично, потому что связанные с этим налоговые затраты слишком высоки. В таких случаях на процесс оптимизации должны быть наложены соответствующие ограничения.

Затраты по сделке

Затраты по сделке - торговые издержки на изменение веса портфеля. Поскольку оптимальный портфель со временем меняется, появляется стимул к частой повторной оптимизации. Однако слишком частая торговля повлечет за собой слишком частые транзакционные издержки; Таким образом, оптимальная стратегия состоит в том, чтобы найти частоту повторной оптимизации и торговли, которая должным образом сочетает в себе избежание транзакционных издержек и избегание использования устаревшего набора пропорций портфеля. Это связано с темой ошибка отслеживания, при котором пропорции акций со временем отклоняются от некоторого эталона при отсутствии перебалансировки.

Улучшение оптимизации портфеля

Корреляции и оценка риска

Различные подходы к оптимизации портфеля по-разному измеряют риск. Помимо традиционной меры, стандартное отклонение, или его квадрат (отклонение ), которые не крепкий меры риска, другие меры включают Коэффициент Сортино, CVaR (условная стоимость под угрозой), и статистическая дисперсия.

Инвестиции - это дальновидная деятельность, и поэтому ковариации прибыли нужно прогнозировать, а не наблюдать.

Оптимизация портфеля предполагает, что у инвестора могут быть предотвращение риска и цены на акции могут иметь значительные различия между их историческими или прогнозными значениями и тем, что было на практике. В частности, финансовые кризисы характеризуются значительным усилением корреляции движений цен на акции, что может серьезно снизить выгоды от диверсификации.[15]

В рамках оптимизации среднего отклонения точная оценка ковариационная матрица имеет первостепенное значение. Количественные методы, использующие Моделирование Монте-Карло с гауссовой копулой и хорошо заданными маргинальными распределениями.[16] Позволяя процессу моделирования учитывать эмпирические характеристики доходности акций, такие как авторегрессия, асимметричная волатильность, перекос, и эксцесс это важно. Отсутствие учета этих атрибутов может привести к серьезной ошибке оценки корреляций, дисперсий и ковариаций, которые имеют отрицательные смещения (до 70% от истинных значений).[17]

Другие стратегии оптимизации, направленные на минимизацию риска хвоста (например, стоимость под риском, условная стоимость под угрозой ) в инвестиционных портфелях популярны среди инвесторов, не склонных к риску. Чтобы свести к минимуму подверженность хвостовому риску, прогнозы доходности активов с использованием моделирования Монте-Карло с связками виноградных лоз, чтобы учесть нижнюю (левую) хвостовую зависимость (например, Клейтона, повернутого гамбеля) для больших портфелей активов.[18]

Совсем недавно менеджеры хедж-фондов применяли «полномасштабную оптимизацию», при которой любая функция полезности инвестора может использоваться для оптимизации портфеля.[19] Предполагается, что такая методология более практична и подходит для современных инвесторов, чьи предпочтения по риску включают снижение хвостовой риск, сводя к минимуму отрицательную асимметрию и толстые хвосты в распределении доходности инвестиционного портфеля.[20] Если такие методологии включают использование функций полезности с более высоким моментом, необходимо использовать методологию, позволяющую прогнозировать совместное распределение что объясняет асимметричную зависимость. Подходящей методологией, которая позволяет включать в совместное распределение асимметричную зависимость, является Clayton Canonical Vine Copula. Видеть Copula (теория вероятностей) # Количественные финансы.

Сотрудничество в оптимизации портфеля

Группа инвесторов, вместо того, чтобы инвестировать по отдельности, может решить инвестировать весь свой капитал в совместный портфель, а затем разделить (неопределенную) инвестиционную прибыль способом, который лучше всего подходит для них. полезность / предпочтения по риску. Оказывается, по крайней мере, в ожидаемой полезной модели[21] и модель среднего отклонения,[22] каждый инвестор обычно может получить долю, которую он / она ценит строго больше, чем его / ее оптимальный портфель, от индивидуальных инвестиций.

Смотрите также

Рекомендации

  1. ^ Марковиц, Х. (Март 1952 г.). «Выбор портфолио». Журнал финансов. 7 (1): 77–91. Дои:10.2307/2975974. JSTOR  2975974.
  2. ^ Марковиц, Х. (1959). Выбор портфеля: эффективная диверсификация инвестиций. Нью-Йорк: Джон Вили и сыновья. (перепечатано издательством Yale University Press, 1970 г., ISBN  978-0-300-01372-6; 2-е изд. Бэзил Блэквелл, 1991 год, ISBN  978-1-55786-108-5)
  3. ^ Цвитанич, Якша; Полименис, Василис; Сапатеро, Фернандо (01.01.2008). «Оптимальное размещение портфеля с более высокими моментами». Летопись финансов. 4 (1): 1–28. Дои:10.1007 / s10436-007-0071-5. ISSN  1614-2446. S2CID  16514619.
  4. ^ Ким, Янг Шин; Джакометти, Розелла; Рачев, Светлозар; Fabozzi, Франк Дж .; Миньякка, Доменико (21 ноября 2012 г.). «Измерение финансового риска и оптимизация портфеля с помощью многомерной негауссовской модели». Анналы исследований операций. 201 (1): 325–343. Дои:10.1007 / s10479-012-1229-8. S2CID  45585936.
  5. ^ Марковиц, Гарри (1956). «Оптимизация квадратичной функции при линейных ограничениях». Ежеквартально по логистике военно-морских исследований. 3 (1–2): 111–133. Дои:10.1002 / nav.3800030110.
  6. ^ Метод критической линии в Уильяме Шарпе, Макроинвестиционный анализ (онлайн-текст)
  7. ^ Мертон, Роберт. Сентябрь 1972 г. "Аналитический вывод границы эффективного портфеля", Журнал финансового и количественного анализа 7, 1851–1872.
  8. ^ Рокафеллар, Р. Тиррелл; Урясев, Станислав (2000). «Оптимизация условной стоимости под риском» (PDF). Журнал рисков. 2 (3): 21–42. Дои:10.21314 / JOR.2000.038.
  9. ^ Капсос, Михалис; Зимлер, Стив; Христофидес, Никос; Рустем, Берч (лето 2014 г.). «Оптимизация соотношения Омега с помощью линейного программирования» (PDF). Журнал вычислительных финансов. 17 (4): 49–57. Дои:10.21314 / JCF.2014.283.
  10. ^ Талеби, Араш; Молаи, Шейх (17 сентября 2010 г.). M.A., M.J.. Материалы 2-й Международной конференции IEEE по информационному и финансовому инжинирингу 2010 г.. п. 430. Дои:10.1109 / icife.2010.5609394. ISBN  978-1-4244-6927-7. S2CID  17386345.
  11. ^ Шапиро, Александр; Дентчева, Даринка; Рущинский, Анджей (2009). Лекции по стохастическому программированию: моделирование и теория (PDF). Серия MPS / SIAM по оптимизации. 9. Филадельфия, Пенсильвания: Общество промышленной и прикладной математики (SIAM). Общество математического программирования (MPS). С. xvi + 436. ISBN  978-0-89871-687-0. МИСТЕР  2562798.
  12. ^ Чжу, Чжэ; Велш, Рой Э. (2018). «Робастное моделирование зависимостей для многомерных ковариационных матриц с финансовыми приложениями». Анна. Appl. Стат. 12 (2): 1228–1249. Дои:10.1214 / 17-AOAS1087. S2CID  23490041.
  13. ^ Сефиан, Слиман и Бенбузиан, Мохамед (2012). Выбор портфеля с использованием генетического алгоритма В архиве 2016-04-29 в Wayback Machine, Журнал прикладных финансов и банковского дела, Vol. 2, No. 4 (2012): pp. 143-154.
  14. ^ Хамфри, Дж .; Benson, K .; Low, R.K.Y .; Ли, W.L. (2015). «Всегда ли оптимальна диверсификация?» (PDF). Финансовый журнал Тихоокеанского бассейна. 35 (B): Б. Дои:10.1016 / j.pacfin.2015.09.003.
  15. ^ Chua, D .; Кризман, М .; Пейдж, С. (2009). «Миф о диверсификации». Журнал управления портфелем. 36 (1): 26–35. Дои:10.3905 / JPM.2009.36.1.026. S2CID  154921810.
  16. ^ Low, R.K.Y .; Faff, R .; Аас, К. (2016). «Улучшение выбора портфеля среднего и дисперсионного за счет моделирования распределительной асимметрии» (PDF). Журнал экономики и бизнеса. 85: 49–72. Дои:10.1016 / j.jeconbus.2016.01.003.
  17. ^ Фантаццинни, Д. (2009). «Влияние неверно указанных маргиналов и связок на вычисление стоимости, подверженной риску: исследование Монте-Карло». Вычислительная статистика и анализ данных. 53 (6): 2168–2188. Дои:10.1016 / j.csda.2008.02.002.
  18. ^ Low, R.K.Y .; Alcock, J .; Faff, R .; Брейлсфорд, Т. (2013). «Канонические связки виноградной лозы в контексте современного управления портфелем: стоят ли они того?» (PDF). Журнал банковского дела и финансов. 37 (8): 3085. Дои:10.1016 / j.jbankfin.2013.02.036. S2CID  154138333.
  19. ^ Чуа, Дэвид; Крицман, Марк; Пейдж, Себастьян (2009). «Миф о диверсификации». Журнал управления портфелем. 36 (1): 26–35. Дои:10.3905 / JPM.2009.36.1.026. S2CID  154921810.
  20. ^ Адлер, Тим; Крицман, Марк (2007). «Среднее отклонение от полномасштабной оптимизации: в выборке и вне ее». Журнал управления активами. 7 (5): 71–73. Дои:10.2469 / dig.v37.n3.4799.
  21. ^ Ся, Цзяньминь (2004). «Мультиагентное инвестирование на незавершенных рынках». Финансы и стохастика. 8 (2): 241–259. Дои:10.1007 / s00780-003-0115-2. S2CID  7162635.
  22. ^ Гречук Б., Молибоха А., Забаранкин М. (2013). «Кооперативные игры с общими отклонениями», Математические финансы, 23 (2), 339–365.