用无优化指数跟踪投资组合矫正偏斜市场

在专业人士和学者中，众所周知主动投资组合管理无法提供相对于其基准的额外风险调整收益。因此，被动财富管理在近几十年兴起，以更低的成本提供接近基准的收益。在本文中，我们首先精炼了关于斜布朗运动理论性质的现有结果。接着，假设收益服从偏斜几何布朗运动且相互关联，我们描述了\emph{事后}、\emph{事前}跟踪误差以及预测跟踪投资组合的一些统计性质。为此，我们开发了一种基于基准-资产主成分分解的创新统计方法，以确定通过投资于可投资宇宙的一个子集来复制基准表现的跟踪投资组合。该策略被称为混合主成分分析（hybrid Principal Component Analysis, hPCA），被应用于正态和偏斜分布。在偏斜正态收益的情况下，我们提出了一个基于最大似然估计方法校准模型参数的框架。为测试和验证，我们比较了四种替代的指数跟踪模型。前两种基于 hPCA，假设收益为正态或偏斜正态。第三种模型采用标准的基于优化的方法，最后一种由金融领域的一些从业者使用。为验证和测试，我们在真实数据上从表现和计算效率两方面对这些策略进行了详尽比较。一个引人注目的结果是，所提出的精简的基于 PCA 的投资组合选择方法不仅可与繁琐的基于优化的投资组合算法相媲美，而且还能为资产管理行业提供更好的服务。