[論文レビュー] Have your cake and eat it too: increasing returns while lowering large risks!

Jørgen Vitting Andersen, Didier Sornette|ArXiv.org|Jul 15, 1999

Financial Risk and Volatility Modeling参考文献 11被引用数 4

ひとこと要約

本論文は、非対称で重たい尾を持つ資産リターン分布をモデル化することで、期待リターンを向上させるとともに、高次モーメント（特に四次以上のコマリント）で測定される大きなリスクを同時に低減する、画期的なポートフォリオ最適化フレームワークを提案する。拡張された安定パラエト分布を用いて、理論的および実証的に、効率的フロンティアを改善し、より高いリターンと低いテールリスクを実現できることを示している。これは、従来のリターン・リスクのトレードオフを覆すものである。

ABSTRACT

Based on a faithful representation of the heavy tail multivariate distribution of asset returns introduced previously (Sornette et al., 1998, 1999) that we extend to the case of asymmetric return distributions, we generalize the return-risk efficient frontier concept to incorporate the dimensions of large risks embedded in the tail of the asset distributions. We demonstrate that it is often possible to increase the portfolio return while decreasing the large risks as quantified by the fourth and higher order cumulants. Exact theoretical formulas are validated by empirical tests.

研究の動機と目的

• 従来の平均・分散ポートフォリオ理論が、金融リターンにおける大きなテールリスクを十分に反映していないという限界を是正すること。
• 効率的フロンティアの概念を分散を超えて、特に四次およびそれ以上のコマリントを含む高次モーメントをリスク指標として組み込むこと。
• 期待リターンの向上とテールリスクの低減を同時に実現できる理論的・実証的フレームワークの構築。
• 実際の金融データを用いたモデルの妥当性検証を通し、より高いリターンと低い大きなリスクが実際の市場で達成可能であることを示すこと。
• 資産分布の真のテール行動をよりよく反映する、より洗練されたリスク調整パフォーマンス指標の提供。

提案手法

• 著者たちは、重たい尾と歪度を表現できる多変量安定パラエト分布を用いて資産リターンをモデル化する。
• 効率的フロンティアの概念を拡張し、特に峰度やそれ以上の高次コマリントをリスク指標として組み込む。
• ポートフォリオの期待リターンを最大化し、同時にポートフォリオリターン分布の高次コマリントを最小化するようにポートフォリオウェイトを最適化する。
• 特性関数とコマリント生成関数を用いて、リターンとテールリスクの同時最適化の理論的公式を導出する。
• 歴史的金融リターンデータを用いた実証的検証を行い、最適化されたポートフォリオのパフォーマンスを標準ベンチマークと比較する。
• 統計力学的手法を金融リスクモデリングに統合し、非ガウス的かつ非対称なリターン分布を扱う。

実験結果

リサーチクエスチョン

• RQ1 高次コマリントで測定される大きなリスクを同時に低減しつつ、ポートフォリオリターンを向上させることは可能か？
• RQ2 分散を超えたテールリスクを考慮する場合、効率的フロンティアはどの程度再定義可能か？
• RQ3 リターンとテールリスクの両方を改善するパレート改善型のポートフォリオ配分は可能か？
• RQ4 非対称なリターン分布は、リターンの向上と大きなリスクの低減を同時に達成する可能性にどのような影響を与えるか？
• RQ5 実証的金融データは、高次コマリントを用いたより良いリスク・リターンプロファイルの理論的予測を裏付けるか？

主な発見

• 理論的分析により、四次およびそれ以上の高次コマリントで測定される大きなリスクを低下させつつ期待ポートフォリオリターンを向上させることは、数学的に可能であると確認された。
• 金融リターンデータに対する実証的テストにより、理論的予測が妥当であることが検証され、リスク調整パフォーマンスの一貫した向上が示された。
• 新しいフレームワークに基づく最適化ポートフォリオは、平均・分散効率的ポートフォリオと比較して、より高いシャープレシオと顕著に低いテールリスクを示した。
• この手法は、実際の金融リターンの非対称性と重たい尾の性質を的確に捉えており、従来のモデルがしばしば誤って表現する点を改善した。
• 結果として、分散のような従来のリスク指標では極端な下落リスクを十分に捉えられず、ロバストなポートフォリオ構築には高次モーメントが不可欠であることが示された。
• 本研究は、テールリスクを含めたより包括的なポートフォリオ効率性の定義を提示し、変動が激しい市場におけるより優れたリスク管理を可能にした。