[논문 리뷰] Entropy and Optimization of Portfolios

Krzysztof Urbanowicz|arXiv (Cornell University)|2014. 08. 01.

Complex Systems and Time Series Analysis참고 문헌 9인용 수 3

한 줄 요약

이 논문은 자산 수익률 시계열의 샤논 엔트로피를 마르코위츠 포트폴리오 최적화에 통합하여 위험 평가를 향상시키고 포트폴리오 성과를 향상시키는 것을 제안한다. 엔트로피 보정을 포함한 유틸리티 함수를 수정함으로써, 평균 수익률에서 상관관계와 분포 불확실성으로 초점을 이동시켜 실현 수익률을 높이고, 특히 변동성이 낮은 '쿨'(저온) 시장에서 더 높은 내구성과 성과를 달성한다.

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.

연구 동기 및 목표

• 기존 마르코위츠 최적화가 분산과 공분산에만 의존하여 역사적 노이즈에 편향될 수 있는 한계를 해결하기 위해.
• 수익률 시계열의 엔트로피가 분산 외에 추가로 중복되지 않는 정보를 제공하는지 탐색하기 위해.
• 엔트로피를 마르코위츠 이론의 자연스러운 연장선으로 통합한 수정된 최적화 프레임워크를 개발하여 다각화와 예측 정확도를 향상시키기 위해.
• 와르샤바 증권거래소(2001–2007)의 27개 주식 포트폴리오를 활용해 엔트로피 보정의 영향을 실증적으로 평가하기 위해.
• 엔트로피의 라그랑주 승수(온도)가 위험과 수익의 역학을 어떻게 조절하는지 분석하고 최적의 운영 영역을 규명하기 위해.

제안 방법

• 논문은 마르코위츠 유틸리티 함수에 개별 자산 수익률의 샤논 엔트로피를 기반으로 한 엔트로피 보정 항을 추가하여 확장한다.
• 수정된 유틸리티 함수는 $ F = D_p - \lambda m_p + \gamma \sum p_i + \alpha \sum p_i \log p_i $ 로 표현되며, 마지막 항이 엔트로피 기반 정규화를 도입한다.
• 라그랑주 승수 $ \alpha $ 는 시스템의 온도를 제어하며, 음수인 $ \alpha $ 값은 수익률 극대화보다 상관관계 기반 다각화에 초점을 맞춘다.
• 역사적 수익률 데이터를 사용하여 분산, 상관계수, 엔트로피를 계산하며, 엔트로피는 정규화된 수익률 확률에서 계산된다.
• 이 방법은 2001년부터 2007년까지 와르샤바 증권거래소의 27개 주식 포트폴리오에 적용되어 등가 가중치 포트폴리오 및 표준 마르코위츠 포트폴리오와 비교된다.
• 성과 평가는 품질 비율(QR), 실현 연간 수익률, 다양한 온도 영역에서의 수익률 분산을 통해 평가된다.

실험 결과

연구 질문

• RQ1 수익률 시계열의 샤논 엔트로피를 통합함으로써 마르코위츠 포트폴리오 최적화의 내구성과 성과가 향상되는가?
• RQ2 엔트로피를 포함함으로써 위험과 수익의 균형이 어떻게 변화하는가? 특히 분산 중심 모델과 비교할 때 어떻게 되는가?
• RQ3 엔트로피의 라그랑주 승수(온도)가 포트폴리오의 예측 가능성과 변동성 최소화를 극대화하는 데 최적의 값은 무엇인가?
• RQ4 엔트로피 기반 최적화가 실현 수익률과 변동성 조정 수익률 측면에서 표준 마르코위츠 모델과 등가 가중치 포트폴리오를 능가할 수 있는가?
• RQ5 엔트로피 기반 최적화 하에서 기대 수익률과 실현 수익률 간의 비단조화적 관계는 어떻게 나타나는가?

주요 결과

• 최적화 과정에 엔트로피를 통합함으로써 표준 마르코위츠 모델과 등가 가중치 기반 벤치마크보다 실현 포트폴리오 수익률이 크게 증가한다.
• 엔트로피 보정을 적용한 포트폴리오는 '쿨' 시장(저온)에서 더 높은 품질 비율(QR)을 보이며, 예측 가능성과 낮은 위험을 나타낸다.
• 실현 연간 수익률은 기대 수익률의 비단조화적 함수이며, 약 60% 기대 수익률에서 최고점을 기록한다—시장 포트폴리오의 20% 수익률보다 훨씬 높은 성과를 보이며 엔트로피 기반 최적화의 잠재력을 입증한다.
• 라그랑주 승수 $ \alpha $ 가 음수일 경우 최적화의 초점은 기대 수익률 극대화에서 상관관계 기반 다각화를 통한 위험 최소화로 이동한다.
• 고온 영역은 변동성 증가와 수익의 급격한 감소를 초래하여 '과열' 효과를 보이며, 반면 저온 영역은 더 부드럽고 안정적인 성과를 제공한다.
• 엔트로피 기반 최적화는 표준 마르코위츠 모델과 등가 가중치 포트폴리오를 모두 능가하며, 그림 6의 복합 가치 궤적을 통해 그 추가 가치를 확인한다.