投资组合优化中多源序数信息的集成
投资组合管理
2023-07-11 v2 最优化与控制
摘要
主动投资组合管理试图将任何有意义的信息来源纳入资产选择过程。在本文中，我们考虑指定为期望资产收益全序的定性观点，并讨论将此输入纳入均值-方差投资组合优化模型的两种不同方法。在鲁棒优化方法中，我们首先通过 Black-Litterman（BL）框架的扩展为每个给定全序计算资产收益的 posterior 期望。然后这些期望资产收益被视为均值-方差投资组合模型鲁棒优化变体（最大-最小鲁棒性、最小后悔鲁棒性和软鲁棒性）的可能输入情景。在序聚合方法中，来自社会选择理论（Borda、Footrule、Copeland、Best-of-k 和 MC4）的规则被用于将一个全序聚合为单一的“共识全序”。然后通过上述扩展的 BL 框架为该“共识全序”计算期望资产收益。最后，这些期望被用作经典均值-方差优化的输入。使用来自 EUROSTOXX 50 和 S&P 100 的数据，我们在投资组合绩效分析背景下实证比较了两种方法的成功程度，并观察到通常而言通过社会选择方法聚合序优于基于鲁棒优化的方法（对两个数据集均如此）。
引用
@article{arxiv.2211.00420,
title = {Integrating multiple sources of ordinal information in portfolio optimization},
author = {Eranda Çela and Stephan Hafner and Roland Mestel and Ulrich Pferschy},
journal= {arXiv preprint arXiv:2211.00420},
year = {2023}
}