[論文レビュー] Missing Information and Asset Allocation

Jean‐Philippe Bouchaud, Marc Potters+1 more|ArXiv.org|Jul 4, 1997

Stock Market Forecasting Methods参考文献 3被引用数 19

ひとこと要約

本稿では、不完全な金融データによる少数資産への過剰集中を防ぐために、一般化エントロピーを用いた制約付きポートフォリオ最適化フレームワークを提案する。熱力学的自由エネルギーに類似した自由ユーティリティ関数を導入することで、一般化エントロピー測度に対する制約を課し、最小限の分散化を実現する。これにより、市場実務に整合するサブ効率的フロンティアが得られ、ノイズの多い共分散推定による不安定性が低減される。

ABSTRACT

When the available statistical information is imperfect, it is dangerous to follow standard optimisation procedures to construct an optimal portfolio, which usually leads to a strong concentration of the weights on very few assets. We propose a new way, based on generalised entropies, to ensure a minimal degree of diversification.

研究の動機と目的

• 不完全な統計的推定に起因するマークォイツ方式の平均・分散最適化におけるポートフォリオの不安定性および過剰集中を是正すること。
• 分散化の直感的必要性を情報含量の制約として形式化し、ポートフォリオの集中度とエントロピー測度を結びつけること。
• リスク・リターン最適化と最小限の分散化のバランスを取るフレームワークを構築し、ファンドマネージャーが利用可能な限られた情報に適合させること。
• 有効資産数または一般化エントロピーによる制約を導入することで、マークォイツの効率的フロンティアを一般化し、サブ効率的フロンティアを導出すること。
• 自由エネルギーに類似した「自由ユーティリティ」関数が、不確実性をモデル化する上で、ユーティリティとエントロピーを統合する熱力学的類似性を確立すること。

提案手法

• 一般化エントロピー指標 $ Y_q = \sum_i p_i^q $ を定義し、$ Y_2 $ が有効資産数 $ M_{\text{eff}} = 1/Y_2 $ の逆数を表すことを示す。
• 分散化の最小水準を確保するため、$ M_{\text{eff}} \geq M_0 $ を満たすように最適化を制約する。
• マークォイツ最適化を、共分散行列 $ C_{ij} $ の対角成分にラグランジュ乗数 $ \nu $ を加えることで修正し、$ \mathcal{C}_{ij} = C_{ij} + \nu \delta_{ij} $ を定義する。
• 最適なウェイトは $ \mathbf{p} = \frac{1}{2} \mathcal{C}^{-1} [\lambda \mathbf{r} + \mu \mathbf{1}] $ として導出され、リターン、正規化、および $ M_{\text{eff}} $ に対する制約が課される。
• 自由ユーティリティ関数 $ \mathcal{F}_q = U - \nu \frac{Y_q - 1}{q - 1} $ を導入し、$ U $ はユーティリティ（例：リスク調整リターン）を表し、$ \nu $ は不確実性を反映する温度に類似したパrameterである。
• エントロピー $ \mathcal{S} = -\sum_i p_i \log p_i $ を $ Y_q $ と関係づけ、$ \mathcal{S} = -\lim_{q \to 1} \frac{Y_q - 1}{q - 1} $ として、情報理論的根拠を提供する。

実験結果

リサーチクエスチョン

• RQ1 リターンおよび共分散の不完全またはノイズの多い統計的推定に対して、ポートフォリオ最適化をどのようにしてロバストに保証できるか？
• RQ2 統計的データが限られた状況で、ポートフォリオの分散化を要求する情報理論的根拠は何か？
• RQ3 制約付き最適化フレームワークは、少数の資産への過剰集中を防ぎつつ、リスク・リターン効率を維持するにはどうすればよいか？
• RQ4 一般化エントロピーは、ポートフォリオ割当の情報含量を測定・制限するためにどのように機能するか？
• RQ5 熱力学的自由エネルギーとの類似性は、不確実性下での合理的なユーティリティ関数の構築にどのように寄与するか？

主な発見

• 制約 $ M_{\text{eff}} \geq M_0 $ を課すことにより、$ \nu > 0 $ の場合に特に、標準のマークォイツフロンティアよりも集中度が低いサブ効率的フロンティアが生成される。
• 最適ウェイトは、修正された共分散行列 $ \mathcal{C}_{ij} = C_{ij} + \nu \delta_{ij} $ を用いて導出され、$ \nu $ は分散化制約を満たすように調整される。
• $ \nu \to \infty $ の場合、解は等ウェイト $ p_i = 1/M $ に収束し、最大エントロピーおよび最小情報含量に対応する。
• 有効資産数 $ M_{\text{eff}} = 1/Y_2 $ は、分散化の定量的指標を提供し、値が大きいほど広範な割当を示す。
• 自由ユーティリティ関数 $ \mathcal{F}_q = U - \nu \frac{Y_q - 1}{q - 1} $ は、リスク・リターンユーティリティとエントロピーを統合し、$ \nu $ がパフォーマンスとロバストネスのトレードオフを制御する。
• 本フレームワークは、分散に基づくリスクに限らず、バリューオンリスクなどの他のリスク測度へも一般化可能であり、非ガウス型リターン環境にも適用可能である。