分布设定偏差下均值-方差投资组合规则的有效前沿

将预测与优化相结合的均值-方差投资组合决策已被证明具有较差的实证表现。在此，我们考虑各种收缩方法在不同分布假设下的有效前沿表现，以研究对正态性的合理偏离所产生的影响。具体而言，我们考察了一阶自相关、二阶自相关、偏度和超额峰度的影响。我们表明，收缩方法倾向于对样本有效前沿进行重新缩放，而这种缩放可基于偏离正态性的局部扰动性质而改变。这一重新缩放意味着，在固定风险厌恶水平下比较决策规则的标准做法是有问题的，在动态市场环境中更甚。我们的结果表明，比较有效前沿具有与文献中主流观点相左的重要含义：即样本估计量优于 Stein 型均值估计量，且改进协方差的预测比改进均值的预测更为重要。