[論文レビュー] Explainable Regime Aware Investing

Amine Boukardagha|arXiv (Cornell University)|Feb 21, 2026

Stock Market Forecasting Methods被引用数 0

ひとこと要約

論文は、政 regime dynamics を推定し、取引コストを考慮した平均-分散最適化に組み込む、厳密に因果的な Wasserstein Hidden Markov Model (Wasserstein HMM) を提案し、ベンチマークと比較してリスク調整後パフォーマンスの向上と最大ドローダウンの低下を達成する。

ABSTRACT

We propose an explainable regime-aware portfolio construction framework based on a strictly causal Wasserstein Hidden Markov Model. The model combines rolling Gaussian HMM inference with predictive model-order selection and template-based identity tracking using the 2-Wasserstein distance between Gaussian components. This allows regime complexity to adapt dynamically while preserving stable economic interpretation. Regime probabilities are embedded into a transaction-cost-aware mean-variance optimization framework and evaluated on a diversified daily cross-asset universe. Relative to equal-weight and SPX buy-and-hold benchmarks, the Wasserstein HMM achieves materially higher risk-adjusted performance with Sharpe ratios of 2.18 versus 1.59 and 1.18 and substantially lower maximum drawdown of negative 5.43 percent versus negative 14.62 percent for SPX. During the early 2025 equity selloff labeled Liberation Day, the strategy dynamically reduced equity exposure and shifted toward defensive assets, mitigating peak-to-trough losses. Compared to a nonparametric KNN conditional-moment estimator using the same features and optimization layer, the parametric regime model produces materially lower turnover and smoother weight evolution. The results demonstrate that regime inference stability, particularly identity preservation and adaptive complexity control, is a first-order determinant of portfolio drawdown and implementation robustness in daily asset allocation.

研究の動機と目的

• 日々のポートフォリオ配分における非定常性に対処する regime-aware 投資の動機づけ。
• regime 推定のための adaptive モデルオーダー選択を備えた厳密に因果的 Wasserstein HMM の開発。
• 時間とともに regime のアイデンティティを維持する Wasserstein テンプレート追従を導入。
• regime 確率を取引コストを考慮した平均-分散最適化フレームワークに組み込む。
• 経済的役割を分離するため、受動的ベンチマークおよびノンパラメトリックベースラインとの性能評価。

提案手法

• 展開ウィンドウを用いた厳密に因果的ローリング Gaussian HMM と1ステップ予測対数尤度による動的モデルオーダー選択。
• HMM 成分を2-Wasserstein距離を介して持続的な regime テンプレートにマッピングし、 regime アイデンティティを保持。
• テンプレート確率を混合モーメント（平均と共分散）に集約して最適化を構成。
• 売買高のペナルティとウェイト制約を伴う取引コストを考慮した平均-分散最適化を解く。
• 同一特徴量と最適化層を用いて、非パラメトリック KNN ベースラインとパラメトリック Wasserstein HMM アプローチをベンチマーク。

実験結果

リサーチクエスチョン

• RQ1 日次ローリング設定において、パラメトリック Wasserstein HMM は非パラメトリックベースラインより安定した regime 識別を提供するか。
• RQ2 適応的 regime 複雑さ制御は日次クロス資産配分における売買回転とドローダウンにどう影響するか。
• RQ3 市場ストレス時期における regime 条件付き配分の経済的影響は何か。
• RQ4 Wasserstein ベースの regime アイデンティティはポートフォリオウェイトの解釈性と安定性を時間とともに改善するか。

主な発見

• パラメトリック regime 投資はアウトオブサンプルのシャープレシオを高める（2.18）: 等ウェイト（1.59）および SPX Buy & Hold（1.18）と比較。
• 最大ドローダウンはパラメトリックアプローチで大幅に小さくなる（-5.43%対 SPX -14.62%）。
• Liberation Day には株式エクスポージャを抑制し、防御的資産へシフトして損失を和らげた。
• KNN と比較して Wasserstein HMM アプローチは回転率を大幅に低く、ウェイト推移を滑らかにする。
• Wasserstein テンプレートによる regime アイデンティティの安定性は、ポートフォリオのドローダウンと実装のロバスト性の一次的決定要因である。