[论文解读] A Linear Belief Function Approach to Portfolio Evaluation

Liping Liu, Catherine Shenoy+1 more|arXiv (Cornell University)|Oct 19, 2012

Bayesian Modeling and Causal Inference参考文献 24被引用 8

一句话总结

本文提出了一种线性信任函数方法用于投资组合评估，通过Dempster组合规则整合多样化知识类型——如统计数据、专家意见和资产定价模型。通过基本矩阵表示市场信息，并利用证据组合更新信念，该方法实现了对投资组合表现的稳健、不确定性感知的评估，在三只黄金股的案例研究中展示了在模糊性环境下的改进决策支持。

ABSTRACT

By elaborating on the notion of linear belief functions (Dempster 1990; Liu 1996), we propose an elementary approach to knowledge representation for expert systems using linear belief functions. We show how to use basic matrices to represent market information and financial knowledge, including complete ignorance, statistical observations, subjective speculations, distributional assumptions, linear relations, and empirical asset pricing models. We then appeal to Dempster's rule of combination to integrate the knowledge for assessing an overall belief of portfolio performance, and updating the belief by incorporating additional information. We use an example of three gold stocks to illustrate the approach.

研究动机与目标

• 开发一种系统化方法，将异质性金融知识——从统计观察到主观信念——统一纳入一个框架内。
• 通过使用信任函数对不完整或不精确的信息进行建模，解决投资组合评估中的不确定性挑战。
• 实现投资组合信念的动态更新，以适应新证据的出现，提升金融决策中的适应能力。
• 通过一个涉及三只黄金股的实际案例，展示该方法的实用适用性。

提出的方法

• 该方法使用线性信任函数表示不同类型的金融知识，包括完全无知、统计观察、主观推测、分布假设、线性关系以及经验资产定价模型。
• 每种知识类型均通过捕捉金融信息结构与不确定性的基本矩阵进行编码。
• 应用Dempster组合规则整合多个信念源，实现对冲突或部分证据的协调融合。
• 该方法支持通过随时间整合新的市场数据或专家评估，实现信念的顺序更新。
• 对三只黄金股的案例研究展示了该方法在计算和优化投资组合表现整体信念方面的能力。
• 该框架使用标准矩阵运算实现，确保计算效率与可解释性。

实验结果

研究问题

• RQ1 如何在统一框架中系统化地表示多样化且不确定的金融知识——如统计数据、专家意见和模型假设——用于投资组合评估？
• RQ2 如何有效结合多个信念源（包括冲突或不精确的信息）以评估投资组合表现？
• RQ3 当新证据出现时，如何动态更新对投资组合结果的信念？
• RQ4 与传统方法相比，线性信任函数方法在不确定性下在多大程度上提升了决策能力？

主要发现

• 线性信任函数方法成功地将异质知识类型——如统计观察、主观信念和资产定价模型——整合到单一连贯的框架中，用于投资组合评估。
• 使用基本矩阵能够清晰且计算高效地表示复杂金融信息，包括不确定性与无知。
• Dempster组合规则有效融合了多个信念源，生成了反映综合证据的、优化的整体信念，用于评估投资组合表现。
• 该方法支持信念的动态更新，使决策能够实时适应新的市场信息或修订后的专家评估。
• 对三只黄金股的案例研究证明了该方法在处理不确定性方面的实际可行性与增强的鲁棒性，优于传统方法。
• 该框架为在模糊性环境下的决策提供了透明且可解释的机制，尤其在数据不完整的情况下具有重要价值。