“‘强健’是否有益？——来自印度市场的视角”
摘要：数据不确定性问题推动了鲁棒优化在各个领域中的应用，超越了马科维茨组合优化。本文介绍了鲁棒优化框架在最小化下行风险指标，如预期损失（VaR）和条件预期损失（CVaR）方面的拓展。我们对VaR和CVaR框架进行了实证研究，比较了其鲁棒版本，即最坏情况VaR和最坏情况CVaR，使用市场数据和模拟数据。在讨论了鲁棒优化方法的实际应用可行性后，我们得出了一些结论。在涉及更多股票和模拟场景的情况下，VaR和CVaR最小化的鲁棒模型表现出优于其基础版本的性能。 摘要翻译：数据不确定性问题下的鲁棒优化扩展——基于VaR和CVaR的最小化
作者：Mohammed Bilal Girach and Shashank Oberoi and Siddhartha P. Chakrabarty
论文ID：1908.05002
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2019-08-15