通过主成分分析方法巧妙选择财务比率进行行业组合优化
摘要：以往在组合优化模型中嵌入价值投资一直是一个挑战。在本文中，我们试图通过运用主成分分析来过滤出每个行业的主导金融比率，并且在此基础上使用包含二阶随机优势准则的组合优化模型来得出最优的投资方案。我们考虑了与每个行业相对应的11个金融比率，代表了流动性、偿债能力、盈利能力和估值四个类别。然后，PCA被应用于10年的时间段，以两种方式从每个行业中提取主导比率，一种是从成分解中获得，另一种是根据它们的共同性从每个类别中获得。然后，利用两步行业组合优化（SPO）模型构建了一个最优的投资组合。利用先前提取的比率形成的策略被称为PCA-SPO(A)，后者称为PCA-SPO(B)。将所提出的策略的结果与均值-方差、最小方差、SPO和名义上的SSD模型进行比较，有无金融比率。通过使用滚动窗口方案和市场趋势情景对印度S&P BSE 500和美国S&P 500市场进行了两种方法的实证性能分析。我们观察到，所提出的策略PCA-SPO(B)在几乎所有的样本外周期内在下行偏移、CVaR、VaR、Sortino、Rachev和STARR比率方面优于所有其他模型。这凸显了精选比率并将其定量嵌入组合选择过程中的价值投资的重要性。
作者：Vrinda Dhingra (1), Amita Sharma (2), Shiv K. Gupta (1) ((1) Indian Institute of Technology, Roorkee, (2) Netaji Subhas University of Technology, New Delhi)
论文ID：2106.11484
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2023-01-23