[논문 리뷰] Portfolio Optimization with Spectral Measures of Risk

Carlo Acerbi, Simonetti Prospero|ArXiv.org|2002. 03. 29.

Risk and Portfolio Optimization참고 문헌 10인용 수 30

한 줄 요약

이 논문은 예상 손실 최소화를 위한 Pflug-Rockafellar-Uryasev 방법을 일반적인 스펙트럼 위험 측도로 확장하여, 임의의 스펙트럼 측도 $ M_{\rho} $ 를 최소화하는 것은 추가 매개변수를 가진 볼록이고 조각별 선형 보조 함수의 최소화와 동치임을 보여주며, 이는 효율적인 선형 프로그래밍 해법을 가능하게 한다. 핵심 통찰은 스펙트럼 측도를 최소화하는 것이 본질적으로 위험과 수익을 균형 있게 조절하기 때문에, 제약 조건이 있는 마크owitz 스타일 최적화는 단일 보간된 스펙트럼 측도의 비제약 최소화와 동일시됨을 시사한다.

ABSTRACT

We study Spectral Measures of Risk from the perspective of portfolio optimization. We derive exact results which extend to general Spectral Measures M_phi the Pflug--Rockafellar--Uryasev methodology for the minimization of alpha--Expected Shortfall. The minimization problem of a spectral measure is shown to be equivalent to the minimization of a suitable function which contains additional parameters, but displays analytical properties (piecewise linearity and convexity in all arguments, absence of sorting subroutines) which allow for efficient minimization procedures. In doing so we also reveal a new picture where the classical risk--reward problem a la Markowitz (minimizing risks with constrained returns or maximizing returns with constrained risks) is shown to coincide to the unconstrained optimization of a single suitable spectral measure. In other words, minimizing a spectral measure turns out to be already an optimization process itself, where risk minimization and returns maximization cannot be disentangled from each other.

연구 동기 및 목표

• 예상 손실 최소화를 위한 Pflug-Rockafellar-Uryasev 방법을 임의의 스펙트럼 위험 측도로 일반화하기.
• 스펙트럼 측도의 순서 기반 종속성으로 인한 최소화의 계산적 과제를 해결하기.
• 스펙트럼 측도를 최소화하는 것이 본질적으로 위험과 수익을 균형 있게 조절하기 때문에, 별도의 위험-수익 제약 조건이 필요로 하지 않는다는 것을 드러내기.
• 제약 조건이 있는 마크owitz 스타일 최적화(고정 수익을 위한 위험 최소화 또는 그 반대)가 단일 보간된 스펙트럼 측도의 비제약 최소화와 동일시됨을 보여주기.

제안 방법

• 정렬 서브루틴을 피하기 위해 보조 변수와 조각별 선형 볼록 함수 $ \Gamma_{\hat{\phi}}(X, \psi_1) $ 를 사용한 스펙트럼 측도 최소화의 재구성 제안.
• 스펙트럼 표현 $ M_{\phi}(X) = -\int_0^1 \phi(p) F_X^{\leftarrow}(p) dp $ 를 사용해 위험 측도를 위험 회피 함수 $ \phi $ 를 기반으로 정의.
• 스펙트럼 측도 $ M_{\phi}(X) $ 와 음수 기대 수익 $ -\mathrm{E}[X] $ 사이의 선형 보간을 도입하여 $ M_{\hat{\phi}(\lambda)}(X) = (1-\lambda)M_{\phi}(X) - \lambda\mathrm{E}[X] $ 를 형성.
• 모든 $ \lambda \in [0,1] $ 에 대해 $ M_{\hat{\phi}(\lambda)}(X) $ 의 최소화가 고전적 마크owitz 문제의 효율적 경계를 제공함을 보여줌.
• 재구성된 함수의 볼록성과 조각별 선형성 덕분에 선형 프로그래밍을 통한 효율적 최적화 가능.
• 제약 조건이 있는 문제의 비최적 해는 $ \lambda \notin [0,1] $ 인 경우에만 $ M_{\hat{\phi}(\lambda)}(X) $ 의 최소값이 되며, 이는 최적 포트폴리오만 선택됨을 보장함.

실험 결과

연구 질문

• RQ1 Pflug-Rockafellar-Uryasev 방법을 통한 예상 손실 최소화는 임의의 스펙트럼 위험 측도로 일반화될 수 있는가?
• RQ2 스펙트럼 측도 추정기의 분석적 형태가 없고 순서에 의존하는 특성으로 인한 효율적 최적화 과제는 어떻게 해결할 수 있는가?
• RQ3 위험 최소화와 수익 최대화를 통합하는 통합 프레임워크가 존재하는가?
• RQ4 고전적 마크owitz 효율적 경계는 단일 스펙트럼 측도의 비제약 최소화로 복원될 수 있는가?
• RQ5 표준 편차나 예상 손실 이외의 맥락에서 위험 회피 함수 $ \phi $ 는 최적 포트폴리오 배분을 결정하는 데 어떤 역할을 하는가?

주요 결과

• 모든 스펙트럼 측도 $ M_{\phi}(X) $ 의 최소화는 보조 변수를 가진 볼록이고 조각별 선형 함수 $ \Gamma_{\hat{\phi}}(X, \psi_1) $ 의 최소화와 동치이며, 이는 효율적인 선형 프로그래밍 해법을 가능하게 한다.
• 고정 기대 수익 $ \mu $ 를 조건으로 하는 $ M_{\phi}(X) $ 의 제약 최소화 문제는 $ \lambda \in [0,1] $ 에 대해 비제약 최소화인 보간된 스펙트럼 측도 $ M_{\hat{\phi}(\lambda)}(X) = (1-\lambda)M_{\phi}(X) - \lambda\mathrm{E}[X] $ 와 동치이다.
• $ (ES_\alpha, \mathrm{E}[X]) $ 평면에서의 효율적 경계는 $ \hat{\phi}(\lambda)(p) = \lambda + \frac{1-\lambda}{\alpha} \theta(\alpha - p) $ 를 만족하는 $ M_{\hat{\phi}(\lambda)}(X) $ 의 최소화자 집합으로 복원된다.
• 스펙트럼 측도를 최소화하는 것은 본질적으로 위험과 수익을 균형 있게 조절하기 때문에, 마크owitz 스타일 최적화에서 위험과 수익 목표를 분리하는 것은 인위적이며 불필요하다.
• 비최적 해는 $ \lambda \notin [0,1] $ 인 경우에만 $ M_{\hat{\phi}(\lambda)}(X) $ 의 최소값이 되며, 이 경우 측도는 더 이상 일관성이 없기 때문에, 이 방법은 최적 포트폴리오만 선택됨을 보장한다.
• 재구성 덕분에 보조 함수의 조각별 선형성과 볼록성으로 인해 표준 선형 프로그래밍 기법을 효율적으로 적용할 수 있다.