[論文レビュー] Entropy and Optimization of Portfolios

Krzysztof Urbanowicz|arXiv (Cornell University)|Aug 1, 2014

Complex Systems and Time Series Analysis参考文献 9被引用数 3

ひとこと要約

本稿では、資産リターン時系列のシャノンエントロピーをマークワーツ・ポートフォリオ最適化に統合することで、リスク評価の向上とポートフォリオパフォーマンスの改善を提案する。ユーティリティ関数にエントロピー補正項を組み込むことで、平均リターンから相関と分布的不確実性への焦点のシフトが実現され、特にボラティリティが低い『クール』（低温）市場において、実現リターンが上昇し、より高いロバスト性が得られる。

ABSTRACT

We briefly review the approach to optimization of portfolios according to the theory of Markowitz and propose a further modification that can improve the outcome of the optimization process. The modification takes account of the entropic contribution from the time series used to compute the parameters in the Markowitz method.

研究の動機と目的

• 従来のマークワーツ最適化が分散と共分散に依存するため、歴史的ノイズの影響を受ける可能性があるという限界を是正すること。
• リターン時系列のエントロピーが分散とは非冗長な追加的情報を提供するかどうかを検討すること。
• エントロピーをマークワーツ理論の自然な拡張として組み込むことで、分散化と予測精度を向上させる修正された最適化フレームワークの開発。
• ワルシャワ証券取引所（2001–2007年）の27銘柄ポートフォリオを用いて、実証的にエントロピー補正がポートフォリオパフォーマンスに与える影響を評価すること。
• 温度（エントロピーのラグランジュ乗数）がリスクとリターンのダイナミクスを制御する役割を果たすメカニズムを解明し、最適な運用領域を同定すること。

提案手法

• 本稿では、個々の資産リターンのシャノンエントロピーに基づくエントロピー補正項を追加することで、マークワーツのユーティリティ関数を拡張する。
• 修正されたユーティリティ関数は $ F = D_p - \lambda m_p + \gamma \sum p_i + \alpha \sum p_i \log p_i $ で表され、最後の項がエントロピーに基づく正則化を導入する。
• ラグランジュ乗数 $ \alpha $ がシステムの温度を制御し、負の $ \alpha $ 値ではリターン最大化から相関に基づく分散化への焦点のシフトが強調される。
• 履歴的リターンデータを用いて分散、相関、エントロピーを計算し、正規化されたリターン確率からエントロピーを算出する。
• 本手法は2001年から2007年までのワルシャワ証券取引所における27銘柄のポートフォリオに適用され、均等ウェートと標準マークワーツポートフォリオとを比較する。
• パフォーマンスは、品質比（QR）、実現年間利益、および異なる温度領域におけるリターンの分散を用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 リターン時系列のシャノンエントロピーを組み込むことで、マークワーツ・ポートフォリオ最適化のロバスト性とパフォーマンスが向上するか？
• RQ2 エントロピーの組み込みが、特に分散のみを用いたモデルと比較して、リスクとリターンのバランスにどのように影響を与えるか？
• RQ3 ポートフォリオの予測可能性を最大化し、ボラティリティを最小化する最適な温度（エントロピーのラグランジュ乗数）は何か？
• RQ4 エントロピーに基づく最適化は、標準マークワーツモデルおよび均等ウェートポートフォリオを上回る実現利益とリスク調整リターンを達成できるか？
• RQ5 エントロピーを考慮した最適化下で、期待リターンと実現利益の非単調的関係はどのように現れるか？

主な発見

• 最適化プロセスにエントロピーを組み込むことで、標準マークワーツおよび均等ウェートベンチマークと比較して、実現ポートフォリオ利益が顕著に向上する。
• エントロピー補正を施したポートフォリオは、『クール』市場（低温）において高い品質比（QR）を示し、予測可能性が高く、リスクが低いことが示された。
• 実現年間利益は期待リターンの非単調関数であり、約60％の期待リターンでピークに達する——これは市場ポートフォリオの20％をはるかに上回る——エントロピーを考慮した最適化が、より高いパフォーマンスを実現可能であることを示している。
• ラグランジュ乗数 $ \alpha $ が負の値をとると、最適化の焦点が期待リターンの最大化から相関に基づく分散化によるリスク最小化へとシフトする。
• 高温領域ではボラティリティが上昇し、利益が急激に低下する傾向（過熱効果）が観察される一方、低温領域では滑らかで安定したパフォーマンスが得られる。
• エントロピーを考慮した最適化は、図6の複利価値のトレースからも示されるように、標準マークワーツモデルおよび均等ウェートポートフォリオを上回るパフォーマンスを示し、エントロピー情報の追加的価値を確認した。