[論文レビュー] Rational Decisions, Random Matrices and Spin Glasses

Stefano Galluccio, Jean‐Philippe Bouchaud+1 more|RePEc: Research Papers in Economics|Jan 21, 1998

Computability, Logic, AI Algorithms被引用数 4

ひとこと要約

本稿は、非線形制約下におけるポートフォリオ最適化における合理的意思決定を分析するために、確率的行列理論とスピンガラスモデルを応用する。一般に、最適解の数が指数関数的に多くなることが示され、これは合理的最適化の実用的有用性を損なうものである一方で、長距離（Lévy型）のスピンガラス結合が指数的基底状態簡約性を示さないことも示している。

ABSTRACT

We consider the problem of rational decision making in the presence of nonlinear constraints. By using tools borrowed from spin glass and random matrix theory, we focus on the portfolio optimisation problem. We show that the number of ``optimal'' solutions is generically exponentially large: rationality is thus de facto of limited use. In addition, this problem is related to spin glasses with Lévy-like (long-ranged) couplings, for which we show that the ground state is not exponentially degenerate.

研究の動機と目的

• 非線形制約下における合理的意思決定の最適解の構造的性質を調査すること。
• 統計物理学の道具を用いて、ポートフォリオ最適化におけるランダムネスと不規則性の影響を検討すること。
• 複数の最適解が存在する場合に、合理的最適化が実用的に有用であるかどうかを特定すること。
• Lévy型（長距離）結合を有するスピンガラスモデルにおける基底状態の簡約性を分析すること。
• ポートフォリオ最適化問題を不規則系および確率的行列理論に結びつけること。

提案手法

• 著者らは、クエンチド不規則性を有するスピンガラス系としてポートフォリオ最適化をモデル化する。
• 最適化問題における共分散行列の固有値スペクトルを分析するために、確率的行列理論を適用する。
• 統計力学的手法から導かれるエネルギー・ランドスケープの複雑性を用いて、最適解の数を評価する。
• 長距離相互作用を研究するために、Lévy分布に従う結合を有するスピンガラスにシステムを写像する。
• 重い尾を持つ相互作用分布に適応されたレプリカ法およびキャビティ法を用いて、基底状態の簡約性を評価する。
• 短距離および長距離相互作用モデルの挙動を比較するために、解析的および数値的手法を用いる。

実験結果

リサーチクエスチョン

• RQ1 非線形制約を伴う合理的なポートフォリオ最適化問題では、最適解はいくつ存在するか？
• RQ2 最適解の指数的簡約性は、合理的意思決定の実用的価値をどの程度制限するか？
• RQ3 長距離（Lévy型）結合の存在は、スピンガラスモデルにおける基底状態の簡約性にどのように影響するか？
• RQ4 確率的行列理論は、ポートフォリオ最適化の解空間をどのように特徴付けるか？
• RQ5 最適解の数が指数的に多くなる場合、合理的意思決定の解空間は依然として取り扱えるか？

主な発見

• ポートフォリオ最適化問題における最適解の数は、一般に指数関数的に多くなる。これは、合理性だけでは一意な解を選択できないことを示唆する。
• 最適解の指数的簡約性は、高次元設定において合理的意思決定を実用的に無効にする。
• 短距離スピンガラスとは対照的に、Lévy型（長距離）結合を有するスピンガラスは、指数的基底状態簡約性を示さない。
• 長距離スピンガラスモデルの基底状態は非簡約的であり、より安定で一意な解構造を示唆する。
• 確率的行列理論は、解空間を的確に特徴づけ、ランダムな揺らぎと整合する固有値の塊と、支配的リスク要因を示す少数の大きな固有値を明らかにした。
• 解析により、重い尾を持つ相互作用を有する系と、分散が有限の結合を有する系では、解空間の複雑性が本質的に異なることが示された。