用跟踪优化无关的组合来纠正扭曲的市场
摘要：主动组合管理无法相对于基准提供额外的风险调整回报。因此，近几十年来出现了被动财富管理，以更低的成本提供接近基准的回报。本文首先对斜向布朗运动的理论特性进行了精细化研究。然后，假设回报遵循偏斜几何布朗运动且呈相关关系，我们描述了ex-post、ex-ante跟踪误差和预测跟踪组合的一些统计特性。为此，我们开发了一种创新的统计方法，基于基准-资产主成分因子分解，来确定一个通过在可投资范围的子集中投资来复制基准表现的跟踪组合。该策略被命名为混合主成分分析（hPCA），在正态分布和偏斜分布上均有应用。对于偏斜正态回报，我们提出了一种根据最大似然估计方法对模型参数进行校准的框架。为了测试和验证，我们比较了四种用于指数跟踪的替代模型。前两个基于假设回报为正态或偏斜正态的hPCA。第三个模型采用标准的基于优化的方法，而最后一个模型在金融业中被一些实践者使用。为了验证和测试，我们在真实数据上对这些策略进行了全面比较，包括性能和计算效率。一个值得注意的结果是，不仅建议的基于精简主成分分析的投资组合选择方法与繁琐的基于优化的投资组合算法相比表现出色，而且还能为资产管理行业提供更好的服务。
作者：Daniele Bufalo, Michele Bufalo, Francesco Cesarone, Giuseppe Orlando
论文ID：2203.13766
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2022-03-28