贝叶斯分位数基准下的组合投资选股
摘要：基于贝叶斯视角，我们研究了使用风险度量值-at-risk(VaR)和条件风险度量值-conditional value at risk(CVaR)的最优投资组合分配问题。通过应用未来投资组合回报的后验预测分布，我们推导出计算VaR和CVaR所需的相关分位数，并仅以观测数据表示最优投资组合权重。这与传统方法不同，传统方法的最优解是基于估计的未观测数量，从而导致次优解。我们还获得了全局最小VaR和CVaR投资组合权重的表达式，并指定了它们存在的条件。研究表明，如果用于VaR或CVaR计算的置信水平过低，这些投资组合可能不存在。此外，给出了均值-VaR和均值-CVaR有效边界的解析表达，并将理论结果扩展到一般的协调风险度量。建议的贝叶斯方法的主要优点之一是，理论结果是在有限样本情况下推导出的，因此它们是精确的，并可应用于高维投资组合。 通过使用模拟和真实市场数据，我们通过研究全局最小VaR投资组合的性能和存在性，以及分析估计的有效边界，将新的贝叶斯方法与传统方法进行比较。结论是，贝叶斯方法在特别是对于预测样本外的VaR方面优于传统方法。
作者：Taras Bodnar, Mathias Lindholm, Vilhelm Niklasson and Erik Thors''en
论文ID：2012.01819
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2020-12-04