[论文解读] Outperformance Portfolio Optimization via the Equivalence of Pure and Randomized Hypothesis Testing

Tim Leung, Qingshuo Song+1 more|arXiv (Cornell University)|Aug 27, 2013

Stochastic processes and financial applications参考文献 44被引用 10

一句话总结

本文建立了纯检验与随机化假设检验在投资组合优化中的新颖等价关系，从而推导出最大超越概率的对偶表示。证明了在特定条件下，超越随机基准的最优策略可通过Neyman-Pearson引理刻画，在完全市场中得到闭式解，在不完全设定中则由HJB偏微分方程（PDE）表征。

ABSTRACT

We study the portfolio optimization problem of maximizing the outperformance probability over a random benchmark through dynamic trading with a xed initial capital. Under a general incomplete market framework, this stochastic control problem can be formulated as a composite pure hypothesis testing problem. We analyze the connection between this pure testing problem and its randomized counterpart, and from latter we derive a dual representation for the maximal outperformance probability. Moreover, in a complete market setting, we provide a closed-form solution to the problem of beating a leveraged exchange traded fund. For a general benchmark under an incomplete stochastic factor model, we provide the Hamilton-Jacobi-Bellman PDE characterization for the maximal outperformance probability.

研究动机与目标

• 解决在固定初始资本下，动态交易策略超越随机基准的概率最大化问题。
• 研究超越表现的投资组合优化问题是否等价于其随机化假设检验对应问题。
• 推导纯检验与随机化检验等价的充分条件，从而能够使用对偶表示实现最优性能。
• 在完全市场中提供显式解，并在不完全随机因子模型中通过HJB PDE刻画值函数。
• 证明在纯检验中，最大超越概率可能严格小于在随机化检验中的值，凸显等价条件的重要性。

提出的方法

• 在一般不完全市场框架下，将超越问题形式化为复合纯假设检验问题。
• 利用Neyman-Pearson引理，通过随机化假设检验建立最大超越概率的对偶表示。
• 推导纯检验与随机化检验等价的充分条件（定理2.10），并将其应用于投资组合优化（定理3.5）。
• 将对偶表示应用于求解在完全市场中超越杠杆交易所交易基金的问题，得到闭式解。
• 在随机波动率模型下，通过哈密顿-雅可比-贝尔曼（HJB）偏微分方程（PDE）刻画不完全市场中的值函数。
• 使用最小鞅测度（MMM）简化不完全市场中的解，尤其适用于常数或股票基准的情形。

实验结果

研究问题

• RQ1 超越表现的投资组合优化问题是否等价于其随机化假设检验对应问题？
• RQ2 在何种条件下，纯检验下的最大超越概率等于随机化检验下的值？
• RQ3 在完全市场中，特别是对杠杆ETF，最优超越概率能否显式计算？
• RQ4 如何刻画在不完全随机因子模型下超越表现的值函数？
• RQ5 最小鞅测度（MMM）在简化不完全市场中超越表现的解中起什么作用？

主要发现

• 在纯假设检验中，最大超越概率可能严格小于在随机化检验中的值，表明二者在一般情况下并不等价。
• 推导出纯检验与随机化检验等价的充分条件（定理2.10），从而可使用对偶表示实现最优性能。
• 在完全市场中，本文为超越杠杆交易所交易基金提供了闭式解，最优策略通过Neyman-Pearson引理导出。
• 在随机波动率模型中，对于常数或股票基准，投资者可最优地赋予零波动率风险溢价，对应最小鞅测度（MMM），从而实现成功概率的显式计算。
• 在一般不完全市场中，超越问题的值函数由哈密顿-雅可比-贝尔曼（HJB）PDE刻画，为数值与解析分析提供了基于PDE的框架。
• 本文构建了反例，表明纯检验值函数的最小凹上界不必然等于随机化检验值函数，从而否定了朴素凸化方法的有效性。