基于偏t分布的高效可扩展参数化高阶投资组合设计
信号处理
2023-09-12 v2
摘要
自 Markowitz 的均值-方差框架以来，优化一个最大化收益并最小化风险的投资组合在金融业中已无处不在。最初，收益与风险由投资组合收益的前两阶矩（即均值与方差）度量，这两阶矩足以刻画高斯分布。然而，人们广泛认为前两阶矩不足以捕捉收益行为的特征，这些特征已被认识到具有非对称性与厚尾性。尽管有大量证据表明涉及三阶与四阶矩（即偏度与峰度）的投资组合设计会优于传统的均值-方差框架，但它们并非易事。具体而言，在经典框架中，计算偏度与峰度的内存与计算代价随资产数量急剧增长。为缓解高维问题中的困难，我们考虑基于广义双曲偏t分布的参数化表示的高阶矩的另一种表达。随后，我们将高阶投资组合优化问题重新表述为一个不动点问题，并提出一种鲁棒的不动点加速算法，以高效且可扩展的方式求解该问题。实证实验亦表明，我们提出的高阶投资组合优化框架具有低复杂度，并以 2 至 4 个数量级的优势显著优于最先进的方法。
引用
@article{arxiv.2206.02412,
title = {Efficient and Scalable Parametric High-Order Portfolios Design via the Skew-t Distribution},
author = {Xiwen Wang and Rui Zhou and Jiaxi Ying and Daniel P. Palomar},
journal= {arXiv preprint arXiv:2206.02412},
year = {2023}
}