随机矩阵理论与嵌套聚类投资组合在墨西哥市场中的应用
统计金融
2025-03-10 v1 物理与社会
投资组合管理
摘要
本文旨在处理高维下马科维茨现代投资组合理论的最优配置不稳定性问题。我们提出一种组合策略，考虑来自随机矩阵理论（RMT）的协方差矩阵估计量与称为嵌套聚类优化（NCO）的机器学习配置方法。后一方法被修改并按谱聚类算法与最小生成树（MST）重新表述，以解决原提案固有的内部问题。马科维茨经典均值-方差配置与改进的NCO机器学习方法在2018至2022年移动窗口分析中用于墨西哥证券交易所（BMV）上市的金融工具测试。改进的NCO算法通过引入RMT协方差估计量实现稳定配置。特别地，配置权重为正，且其绝对值在不考虑显式约束下加总为总资本。我们的结果表明，借助RMT推断与统计学习技术可避免高风险的卖空投资策略。
引用
@article{arxiv.2306.05667,
title = {Random matrix theory and nested clustered portfolios on Mexican markets},
author = {Andrés García-Medina and Benito Rodriguéz-Camejo},
journal= {arXiv preprint arXiv:2306.05667},
year = {2025}
}
备注
Submited to Revista Mexicana de F\'isica; 11 pages; five figures, two tables