[논문 리뷰] Missing Information and Asset Allocation

Jean‐Philippe Bouchaud, Marc Potters외 1명|ArXiv.org|1997. 07. 04.

Stock Market Forecasting MethodsDecision Sciences참고 문헌 3인용 수 19

한 줄 요약

이 논문은 불완전한 금융 데이터로 인한 일부 자산에 대한 과도한 집중을 방지하기 위해 일반화된 엔트로피를 사용하는 제약 조건이 있는 포트폴리오 최적화 프레임워크를 제안한다. 열역학적 자유 에너지에 유사한 자유-유용도 함수를 도입하여 일반화된 엔트로피 측정치에 대한 제약 조건을 통해 최소한의 다각화를 이룹니다. 이는 시장 관행과 일치하고 노이즈가 있는 공분산 추정치로 인한 불안정성을 줄이는 부분 효율적 프론티어를 도출합니다.

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.

연구 동기 및 목표

• 마르코위츠 스타일의 평균-분산 최적화에서 불완전한 통계적 추정으로 인한 포트폴리오의 불안정성과 과도한 집중 문제를 해결하기 위해.
• 다각화의 직관적 필요성을 정보 내용에 대한 제약 조건으로서 형식화하여 포트폴리오 집중도를 엔트로피 측정치와 연결하기 위해.
• 자원 관리자가 가진 정보의 제한성을 반영하여 리스크-수익 최적화와 최소 다각화를 균형 잡는 프레임워크를 개발하기 위해.
• 효용 수치의 효과적 자산 수 또는 일반화된 엔트로피에 의해 제약된 부분 효율적 프론티어를 도입하여 마르코위츠 효율적 프론티어를 일반화하기 위해.
• 자기 에너지 함수가 유용도와 엔트로피를 조합하여 자산 배분의 불확실성을 모델링하는 열역학적 유사성 수립을 위해.

제안 방법

• 일반화된 엔트로피 지표 $ Y_q = \sum_i p_i^q $ 를 정의하며, $ Y_2 $ 는 효과적 자산 수 $ M_{\text{eff}} = 1/Y_2 $ 의 역수를 나타냅니다.
• 다각화의 최소 수준을 확보하기 위해 $ M_{\text{eff}} \geq M_0 $ 를 유지하도록 최적화를 제약합니다.
• 공분산 행렬 $ C_{ij} $ 의 대각선에 라그랑주 승수 $ \nu $ 를 추가하여 마르코위츠 최적화를 수정하여 $ \mathcal{C}_{ij} = C_{ij} + \nu \delta_{ij} $ 를 형성합니다.
• 수익, 정규화 및 $ M_{\text{eff}} $ 제약 조건을 포함한 최적의 가중치를 $ \mathbf{p} = \frac{1}{2} \mathcal{C}^{-1} [\lambda \mathbf{r} + \mu \mathbf{1}] $ 로 유도합니다.
• 자유-유용도 함수 $ \mathcal{F}_q = U - \nu \frac{Y_q - 1}{q - 1} $ 를 도입하며, 여기서 $ U $ 는 유용도(예: 리스크 조정 수익률)이며 $ \nu $ 는 불확실성을 반영하는 온도 유사 매개변수로 작용합니다.
• 엔트로피 $ \mathcal{S} = -\sum_i p_i \log p_i $ 를 $ Y_q $ 와 연결하여 $ \mathcal{S} = -\lim_{q \to 1} \frac{Y_q - 1}{q - 1} $ 로 표현함으로써 정보 이론에 기반한 방법을 확립합니다.

실험 결과

연구 질문

• RQ1 수익률과 공분산의 불완전하거나 노이즈가 있는 통계적 추정에 대해 포트폴리오 최적화가 어떻게 강건하게 유지될 수 있는가?
• RQ2 통계적 자료가 제한적일 때 포트폴리오 다각화가 요구되는 정보 이론적 근거는 무엇인가?
• RQ3 제약 조건이 있는 최적화 프레임워크는 어떻게 몇 가지 자산에 대한 과도한 집중을 방지하면서도 리스크-수익 효율성을 유지할 수 있는가?
• RQ4 일반화된 엔트로피는 포트폴리오 배분의 정보 내용을 측정하고 제한하는 데 어떤 역할을 하는가?
• RQ5 자기 에너지 함수에 대한 열역학적 유사성은 불확실성 하에서 합리적인 유용도 함수를 구성하는 데 어떻게 기여하는가?

주요 결과

• 제약 조건 $ M_{\text{eff}} \geq M_0 $ 를 통해 $ \nu > 0 $ 일 때 표준 마르코위츠 프론티어보다 더 낮은 집중도를 가지는 부분 효율적 프론티어를 생성합니다.
• 최적의 가중치는 $ \nu $ 가 다각화 제약 조건을 충족하도록 조정되는 수정된 공분산 행렬 $ \mathcal{C}_{ij} = C_{ij} + \nu \delta_{ij} $ 를 통해 유도됩니다.
• $ \nu \to \infty $ 일 때 해는 균일한 가중치 $ p_i = 1/M $ 로 수렴하며, 이는 최대 엔트로피와 최소 정보 내용을 의미합니다.
• 효과적 자산 수 $ M_{\text{eff}} = 1/Y_2 $ 는 다각화의 정량적 측정치를 제공하며, 높은 값일수록 더 넓은 배분을 의미합니다.
• 자유-유용도 함수 $ \mathcal{F}_q = U - \nu \frac{Y_q - 1}{q - 1} $ 는 리스크-수익 유용도와 엔트로피를 통합하며, $ \nu $ 는 성능와 강건성 사이의 트레이드오프를 제어합니다.
• 이 프레임워크는 분산 기반 리스크를 초월하여 VaR와 같은 다른 리스크 측정치에도 일반화 가능하여 비정규 분포 수익률 환경에서도 적용 가능합니다.