Теория оптимизации портфеля

Задачи оптимизации портфеля

Задачи оптимизации портфеля включают определение портфелей, которые удовлетворяют трем критериям:

  • Минимизируйте прокси для риска.

  • Совпадает или превышает значение прокси для возврата.

  • Удовлетворить основные требования к выполнимости.

Портфели являются точками из допустимого набора активов, которые составляют вселенную активов. Портфель определяет владения или веса в каждом отдельном активе во вселенной активов. Конвенция состоит в том, чтобы определить портфели с точки зрения весов, хотя инструменты оптимизации портфеля работают и с холдингами.

Набор допустимых портфелей обязательно является непустым, закрытым и ограниченным набором. Прокси для риска является функцией, которая характеризует или изменчивость, или потери, связанные с выбором портфеля. Прокси для возврата является функцией, которая характеризует валовые или чистые выгоды, связанные с выбором портфеля. Термины «риск» и «риск прокси» и «возврата» и «возврата прокси» являются взаимозаменяемыми. Фундаментальное понимание Markowitz (см. Оптимизация портфеля) заключается в том, что цель задачи выбора портфеля состоит в поиске минимального риска для заданного уровня возврата и поиске максимального возврата для заданного уровня риска. Портфели, удовлетворяющие этим критериям, являются эффективными портфелями, и график рисков и возвратов этих портфелей формирует кривую, называемую efficient frontier.

Спецификация задачи портфеля

Чтобы задать задачу оптимизации портфеля, вам нужно следующее:

  • Прокси для возврата портфеля (μ)

  • Прокси для портфельного риска (Σ)

  • Набор допустимых портфелей (X), называемый набором портфелей

Financial Toolbox™ имеет три объекта для решения конкретных типов задач оптимизации портфеля:

  • The Portfolio объект поддерживает оптимизацию портфеля со средними дисперсиями (см. Markowitz [46], [47] в Portfolio Optimization). Этот объект имеет валовые или чистые возвраты портфеля в качестве прокси возврата, отклонение возвратов портфеля в качестве прокси риска и набор портфелей, который является любой комбинацией заданных ограничений для формирования набора портфелей.

  • The PortfolioCVaR объект реализует то, что известно как условная оптимизация портфеля в группе риска (см. Rockafellar и Uryasev [48], [49] в Portfolio Optimization), которое обычно упоминается как оптимизация портфеля CVaR. Оптимизация портфеля CVaR работает с теми же возвратами прокси и наборами портфелей, что и оптимизация портфеля со средними дисперсиями, но использует условную оценку риска возвратов портфеля в качестве прокси риска.

  • The PortfolioMAD объект реализует то, что известно как оптимизация портфеля по среднему абсолютному отклонению (см. Konno и Yamazaki [50] в Portfolio Optimization), которое обычно упоминается как оптимизация портфеля MAD. Оптимизация портфеля MAD работает с теми же прокси возврата и наборами портфелей, что и оптимизация портфеля средних дисперсий, но использует возвраты портфеля средних абсолютных отклонений в качестве прокси риска.

Возврат прокси

Прокси для возврата портфеля является функцией μ:XR на наборе портфолио XRn который характеризует вознаграждения, связанные с выбором портфеля. Обычно прокси для возврата портфеля имеет две общие формы: валовые и чистые возвраты портфеля. Оба возврата портфеля формируют отдельную ставку без r риска 0 так что портфельxX содержит только рискованные активы.

Независимо от базового распределения возвратов активов, набор S возвратов активов y1,..., yS имеет среднее значение возврата активов

m=1Ss=1Sys,

и (выборка) ковариация возвратов активов

C=1S1s=1S(ysm)(ysm)T.

Эти моменты (или альтернативные оценки, которые характеризуют эти моменты) используются непосредственно в оптимизации портфеля средних дисперсий, чтобы сформировать прокси для риска портфеля и возврата.

Валовые возвраты портфеля

Валовой возврат портфеля для портфеля xX является

μ(x)=r0+(mr01)Tx,

где:

r 0 является безрисковой частотой (скаляром).

m - среднее значение возвратов активов (n вектор).

Если веса портфеля равны 1, безрисковая ставка нерелевантна. Свойства в Portfolio объект для определения валовых возвратов портфеля:

  • RiskFreeRate для r0

  • AssetMean для m

Чистые возвраты портфеля

Чистый возврат портфеля для портфеля xX является

μ(x)=r0+(mr01)TxbTmax{0,xx0}sTmax{0,x0x},

где:

r 0 является безрисковой частотой (скаляром).

m - среднее значение возвратов активов (n вектор).

b - пропорциональная стоимость приобретения активов (n вектор).

s - пропорциональная стоимость продажи активов (n вектор).

Можно также включить фиксированные транзакционные затраты в эту модель. Хотя в этом случае необходимо включать в такие затраты цены. Свойства в Portfolio объект для определения чистых возвратов портфеля:

  • RiskFreeRate для r 0

  • AssetMean для m

  • InitPort для x 0

  • BuyCost для b

  • SellCost для s

Прокси риска

Прокси для портфельного риска является функцией σ:XR на наборе портфолио XRn который характеризует риски, связанные с выбором портфеля.

Отклонение

Отклонение возвратов портфеля для портфеля xX является

Variance(x)=xTCx

где C - ковариация возвратов активов (n-by- n положительно-полуопределенная матрица).

Свойство в Portfolio объект, чтобы задать отклонение возвратов портфеля AssetCovar для C.

Несмотря на то, что прокси риска в оптимизации портфеля средних дисперсий является дисперсией возвратов портфеля, квадратный корень, который является стандартным отклонением возвратов портфеля, часто сообщается и отображается. При этом это количество часто называют «риском» портфеля. Для получения дополнительной информации см. Markowitz [46], [47] в (Оптимизация портфеля).

Условная ценность под угрозой

Условная величина риска для портфеля xX, который также известен как ожидаемый дефицит, определяется как

CVaRα(x)=11αf(x,y)VaRα(x)f(x,y)p(y)dy,

где:

α является таким уровнем вероятности, что 0 <α <1.

f(x,y) - функция потерь для x портфеля и y возврата активов.

p(y) - функция плотности вероятностей для y возврата активов.

VaRα - значение риска x портфеля при уровне вероятности α.

Значение риска определяется как

VaRα(x)=min{γ:Pr[f(x,Y)γ]α}.

Альтернативная композиция для CVaR имеет форму:

CVaRα(x)=VaRα(x)+11αRnmax{0,(f(x,y)VaRα(x))}p(y)dy

Выбор для α уровня вероятности обычно составляет 0,9 или 0,95. Выбор α подразумевает, что VaRα(x) ценности риска для x портфеля является возвратом портфеля, так что вероятность возвратов портфеля ниже этого уровня равна (1α). Учитывая VaRα(x) для x портфеля, условная величина риска портфеля является ожидаемой потерей возвратов портфеля выше возврата ценности риска.

Примечание

Значение риска является положительным значением потерь, так что уровень вероятности α указывает на вероятность того, что возвраты портфеля ниже отрицательного значения риска.

Чтобы описать распределение вероятностей возвратов, PortfolioCVaR объект принимает конечную выборку возврата сценариев y s с s = 1..., S. Каждый y s является n вектора, которая содержит возвраты для каждого из n активов в s сценария. Эта выборка S сценариев сохранена как матрица сценариев размера S -by - n. Затем, прокси риска для оптимизации портфеля CVaR, для данного портфеляxX и α(0,1), вычисляется как

CVaRα(x)=VaRα(x)+1(1α)Ss=1Smax{0,ysTxVaRα(x)}

Значение риска, VaR α (x), оценивается каждый раз, когда оценивается CVaR. Функция потерь f(x,ys)=ysTx, который представляет собой потерю портфеля по сценарию s.

В соответствии с этим определением VaR и CVaR являются выборочными оценщиками для VaR и CVaR на основе данных сценариев. Лучшие выборки сценария дают более достоверные оценки VaR и CVaR.

Для получения дополнительной информации смотрите Rockafellar и Uryasev [48], [49], и Cornuejols и Tütünc, [51], в Portfolio Optimization.

Среднее абсолютное отклонение

Среднее абсолютное отклонение (MAD) для портфеля xX определяется как

MAD(x)=1Ss=1S|(ysm)Tx|

где:

ys возвращаемые активы со сценариями s = 1,... S (S коллекция векторов n).

f(x,y) - функция потерь для x портфеля и y возврата активов.

m - среднее значение возвратов активов (n вектор).

таким, что

m=1Ss=1Sys

Для получения дополнительной информации смотрите Konno и Yamazaki [50] в Portfolio Optimization.

См. также

| |

Похожие примеры

Подробнее о