[论文解读] Measuring Portfolio Diversification

Ulrich Kirchner, Caroline Zunckel|arXiv (Cornell University)|Feb 23, 2011

Complex Systems and Time Series Analysis参考文献 4被引用 11

一句话总结

本文提出了一种基于投资组合最终价值分布信息熵的新型多样化度量方法，该方法能够捕捉所有统计矩，并自然地推广至非高斯分布和零成本资产。与传统基于权重的指数不同，该方法定量反映了真实的风险分散程度，并表明偏度或峰超高的非正态分布可使多样化程度超越高斯基准。

ABSTRACT

In the market place, diversification reduces risk and provides protection against extreme events by ensuring that one is not overly exposed to individual occurrences. We argue that diversification is best measured by characteristics of the combined portfolio of assets and introduce a measure based on the information entropy of the probability distribution for the final portfolio asset value. For Gaussian assets the measure is a logarithmic function of the variance and combining independent Gaussian assets of equal variance adds an amount to the diversification. The advantages of this measure include that it naturally extends to any type of distribution and that it takes all moments into account. Furthermore, it can be used in cases of undefined weights (zero-cost assets) or moments. We present examples which apply this measure to derivative overlays.

研究动机与目标

• 解决缺乏一种普遍适用、统计上稳健的多样化度量方法的问题，该方法需考虑收益分布的所有矩。
• 开发一种即使在矩未定义（如幂律或重尾分布）时仍有效的多样化度量指标。
• 提供一个整合市场隐含分布与主观信念的框架，实现在信息变化下对多样化的动态评估。
• 证明基于熵的度量方法在捕捉真实组合分散程度方面优于传统基于权重的指数（如赫芬达尔指数和权重熵）。
• 利用所提出的熵度量评估衍生品对冲策略对投资组合多样化的影响。

提出的方法

• 将多样化定义为最终投资组合价值分布的负信息熵：$ D(A|I) = -\int p(A_a|I) \log p(A_a|I) \, da $。
• 使用贝叶斯概率建模对资产价格的主观信念，使该度量可随新信息更新。
• 将熵度量应用于正态分布和对数正态分布，推导出这些情况下 $ D(A|I) $ 的闭式表达式。
• 通过在矩约束下最大化熵，将该度量扩展至非高斯、重尾和偏态分布，同时保留完整的分布信息。
• 通过双资产和三资产组合的数值示例，将基于熵的度量与赫芬达尔指数和权重熵进行比较。
• 通过建模衍生品（如期权）对最终投资组合分布的影响，并利用熵计算由此产生的多样化收益，评估衍生品对冲的影响。

实验结果

研究问题

• RQ1 如何定量衡量多样化程度，使其能够考虑投资组合收益分布的所有统计矩？
• RQ2 所提出的基于熵的度量方法在哪些方面优于传统的基于权重的多样化指数（如赫芬达尔指数和权重熵）？
• RQ3 在非高斯收益分布下，特别是当存在偏度或峰度等高阶矩时，该多样化度量行为如何表现？
• RQ4 该熵度量是否可有意义地应用于零成本衍生品策略（在传统权重未定义时）？
• RQ5 基于熵的度量方法所捕捉到的，使用期权等衍生品对冲策略的多样化收益为何？

主要发现

• 基于熵的多样化度量依赖于收益分布的所有矩，并且即使在方差或更高阶矩未定义时（如幂律分布）仍保持良好定义。
• 对于正态分布资产，该度量是方差的对数函数，且当组合中各资产方差相等时，多样化程度以固定加法量增加。
• 与正态分布具有相同方差但偏度或峰度更高的非正态分布，根据熵度量可实现更大的多样化，因为它们在矩约束下最大化了熵。
• 赫芬达尔指数和权重熵在多资产投资组合中系统性地低估或高估多样化程度：赫芬达尔指数在某些区域低估最高达10%，而权重熵避免了集中权重带来的负贡献。
• 衍生品对冲（如期权）可显著提升多样化程度，且当卖出的看涨期权行权价与买入的看跌期权行权价趋同时，收益急剧上升。
• 熵度量自然适用于零成本投资组合（如期权策略），而传统基于权重的度量在此类情形下因权重未定义而失效。