加权弹性网络惩罚均方差组合设计与计算
摘要：用加权弹性网惩罚对均值-方差组合投资的目标函数进行正则化可以改善马科维茨的均值-方差投资策略在样本外的表现，并对参数不确定性进行鲁棒性重构。在这个解释下，我们推导出基于参数估计不确定性水平进行权重参数校准的数据驱动技术。我们在美国股票收益数据上测试了我们的技术，结果表明，校准的加权弹性网惩罚组合优于未惩罚的组合和均匀加权的弹性网惩罚组合。此外，该论文还引入了一种新颖的自适应支持分割-Bregman方法，通过利用L1惩罚组合的稀疏性来高效计算我们提出的投资策略的解。数值结果表明，与其他技术相比，这种修改的Split-Bregman算法在计算速度上取得了显著提升。
作者：Michael Ho, Zheng Sun, Jack Xin
论文ID：1502.01658
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2015-10-16