行业中性投资组合：市场结构动态中的长记忆模体持续性

我们研究由随时间变化的 Kendall 相关矩阵生成的三角最大过滤图（TMFG）中模体结构的软持续性（初始层模体在后续时间层中存续），该相关矩阵基于股票对数收益的滚动窗口指数平滑计算。我们观察到这些结构中的长记忆过程，表现为持续模体数量的幂律衰减。随后衰减过渡至具有较小指数幂律衰减的平稳区。我们证明，识别持续模体可用于预测及投资组合分散化应用。平衡投资组合常由历史相关分析构建，然而并非所有过去相关都持续反映至未来。行业中性亦是投资组合分散化与系统性风险的核心主题。我们提出一种无监督技术以识别持续相关的股票集合。经验上发现这些集合可识别由强劲基本面驱动的行业。这些发现的应用在四个不同市场上以两种不同方式检验，显著降低了投资组合波动率。提出了一种基于持续性的投资组合配置度量，样本外检验表明其优于波动率加权。