[논문 리뷰] Local Search Techniques for Constrained Portfolio Selection Problems

Andrea Schaerf|ArXiv.org|2001. 04. 18.

Risk and Portfolio OptimizationDecision Sciences참고 문헌 11인용 수 18

한 줄 요약

이 논문은 카디널리티 및 수량 제약 조건이 있는 포트폴리오 선택 문제를 해결하기 위해 개선된 타부 탐색 프레임워크를 제안한다. 이는 다중 이웃 관계, 적응형 파rameter 제어, 랜덤화를 통합하여 카디널리티 및 양적 제약 조건이 있는 평균-분산 최적화에서 성능을 향상시킨다. 파라미터 조정을 단순화하고 해 공간의 더 효과적인 탐색을 가능하게 함으로써, 공개 벤치마크에서 이전의 국소 탐색 방법보다 뚜렷이 뛰어난 성능을 발휘한다.

ABSTRACT

We consider the problem of selecting a portfolio of assets that provides the investor a suitable balance of expected return and risk. With respect to the seminal mean-variance model of Markowitz, we consider additional constraints on the cardinality of the portfolio and on the quantity of individual shares. Such constraints better capture the real-world trading system, but make the problem more difficult to be solved with exact methods. We explore the use of local search techniques, mainly tabu search, for the portfolio selection problem. We compare and combine previous work on portfolio selection that makes use of the local search approach and we propose new algorithms that combine different neighborhood relations. In addition, we show how the use of randomization and of a simple form of adaptiveness simplifies the setting of a large number of critical parameters. Finally, we show how our techniques perform on public benchmarks.

연구 동기 및 목표

• 카디널리티 및 수량 제약 조건이 있는 포트폴리오 선택 문제를 해결하는 데 있어 정확한 방법의 한계를 해결하기 위해.
• 다중 이웃 관계와 적응형 파rameter 제어를 통합하여 국소 탐색 성능을 향상시키기 위해.
• 랜덤화와 적응 메커니즘을 통해 수동 파라미터 조정의 부담을 줄이기 위해.
• 금융 시장의 실제 벤치마크 인스턴스를 기반으로 제안된 알고리즘을 평가하기 위해.
• 제약 조건이 있는 포트폴리오 최적화를 위한 재현 가능하고 비교 가능한 평가 프레임워크를 제공하기 위해.

제안 방법

• 논문은 이동, 삽입, 삭제, 이동 기반 이동을 포함한 다중 이웃 관계를 갖춘 타부 탐색 프레임워크를 사용한다.
• 다양한 이동 유형을 번갈아 적용하는 하이브리드 이웃 전략을 도입하여 다양화와 집중화를 향상시킨다.
• 적응 메커니즘이 검색 진행 상황에 따라 스텝 크기 및 타부 목록 길이와 같은 핵심 파라미터를 동적으로 조정한다.
• 조기 수렴을 방지하고 강건성을 향상시키기 위해 스텝 크기에 랜덤화를 적용한다.
• 검색 과정에서 제약 위반을 처리하기 위해 이동 페널티 메커니즘을 사용한다.
• 표준 평균-분산 목표 함수에 카디널리티 및 수량 제약 조건을 적용하여 문헌에서 제공하는 공개 벤치마크를 사용해 알고리즘을 테스트한다.

실험 결과

연구 질문

• RQ1 다양한 이웃 관계가 제약 조건이 있는 포트폴리오 선택에서 국소 탐색 성능에 어떤 영향을 미치는가?
• RQ2 적응형 파라미터 제어와 스텝 크기의 랜덤화는 타부 탐색에서 포트폴리오 최적화의 수동 조정 필요성을 줄일 수 있는가?
• RQ3 다양한 이웃 유형을 조합함으로써 단일 이웃 접근 방식에 비해 해 품질은 어떻게 향상되는가?
• RQ4 이동 페널티와 같은 제약 조건 처리 메커니즘은 수렴성과 타당성에 어떤 영향을 미치는가?
• RQ5 제안된 기법들은 해 품질과 재현 가능성 측면에서 이전 연구와 비교해 어떻게 다른가?

주요 결과

• 이동, 삽입, 삭제, 이동 기반 이동을 조합한 하이브리드 이웃 전략은 단일 이웃 접근 방식에 비해 해 품질을 크게 향상시킨다.
• 적응형 파라미터 제어와 스텝 크기의 랜덤화는 고정 또는 번갈아 가며 설정된 스텝 값보다 우수한 성능을 보이며, 특히 제약 조건이 있는 설정에서 두드러진다.
• 제안된 타부 탐색 프레임워크는 단지 idR 또는 TID 이웃만을 사용하는 이전의 국소 탐색 방법보다 더 나은 결과를 달성한다.
• 이동 페널티 메커니즘의 사용은 제약 조건 처리를 향상시키고 타당한 해로의 수렴을 개선한다.
• 벤치마크 결과는 재현 가능하고 비교 가능하며, 이전 연구에서 사용한 비표준 또는 재현 불가능한 평가 지표와는 다르다.
• 본 연구는 타부 탐색이 적응형 및 랜덤화 요소로 적절히 개선될 경우, 정확한 방법에 대한 매우 효과적인 대안이 될 수 있음을 보여준다.