f-Beta 与基于 f-散度诱导风险度量的投资组合优化
投资组合管理
2023-05-15 v3 最优化与控制
风险管理
统计方法学
摘要
本文基于使用 f-散度诱导的相干风险度量类进行投资组合优化，推导其以 CAPM 格式表述的必要最优性条件。我们推导出一种类似于标准 Beta 的新 f-Beta，并将其扩展至先前关于回撤 Beta（Drawdown Beta）的工作。f-Beta 在最优扰动的市场概率测度下评估投资组合表现，该类 Beta 度量提供了不同程度的灵活性与可解释性。我们以选定股票对标普 500 市场指数作为最优投资组合进行数值实验，展示 Hellinger-Beta 相较标准 Beta 与回撤 Beta 提供的新视角。实验中，选取平方 Hellinger 距离作为 f-散度诱导风险度量与 f-Beta 中 f-散度函数的特定选择。我们基于偏差度量计算 Hellinger-Beta 指标，并进一步扩展该方法以基于回撤度量计算 Hellinger-Beta，得到另一称为 Hellinger-Drawdown Beta 的新指标。我们在不同风险厌恶参数选择下比较所得 Hellinger-Beta 值，以研究其对递增压力水平的敏感性。
引用
@article{arxiv.2302.00452,
title = {f-Betas and Portfolio Optimization with f-Divergence induced Risk Measures},
author = {Rui Ding},
journal= {arXiv preprint arXiv:2302.00452},
year = {2023}
}
备注
19 pages, 7 figures