[论文解读] Automatic Trading Agent. RMT based Portfolio Theory and Portfolio Selection

Małgorzata Snarska, Jakub Krzych|arXiv (Cornell University)|Aug 30, 2006

Complex Systems and Time Series Analysis被引用 8

一句话总结

该论文提出了一种基于随机矩阵理论（RMT）的自动交易代理，通过减少经验协方差矩阵中的统计噪声，提升华沙证券交易所的组合优化效果。通过过滤虚假相关性，该系统在849天内实现18%的投资组合收益，优于WIG指数10%的下跌表现，证明了RMT在通过自动化实时组合再平衡提升风险调整后收益方面的有效性。

ABSTRACT

Portfolio theory is a very powerful tool in the modern investment theory. It is helpful in estimating risk of an investor's portfolio, which arises from our lack of information, uncertainty and incomplete knowledge of reality, which forbids a perfect prediction of future price changes. Despite of many advantages this tool is not known and is not widely used among investors on Warsaw Stock Exchange. The main reason for abandoning this method is a high level of complexity and immense calculations. The aim of this paper is to introduce an automatic decision - making system, which allows a single investor to use such complex methods of Modern Portfolio Theory (MPT). The key tool in MPT is an analysis of an empirical covariance matrix. This matrix, obtained from historical data is biased by such a high amount of statistical uncertainty, that it can be seen as random. By bringing into practice the ideas of Random Matrix Theory (RMT), the noise is removed or significantly reduced, so the future risk and return are better estimated and controlled. This concepts are applied to the Warsaw Stock Exchange Simulator http://gra.onet.pl. The result of the simulation is 18 % level of gains in comparison for respective 10 % loss of the Warsaw Stock Exchange main index WIG.

研究动机与目标

• 解决个人投资者因计算复杂性而未能充分利用现代投资组合理论（MPT）于华沙证券交易所的问题。
• 开发一种自动化决策系统，使单个投资者无需人工干预即可应用先进的MPT技术。
• 利用随机矩阵理论（RMT）减少经验协方差矩阵中的统计噪声，以实现更准确的风险与收益估计。
• 通过在稳定经济时期（1999–2003年）的历史WIG指数数据上进行模拟，验证系统的性能。
• 证明基于RMT的过滤方法可增强投资组合优化，并优于宽基市场指数。

提出的方法

• 系统使用历史价格数据计算对数收益率，构建过去990天内100只WIG股票的实证收益率向量。
• 基于这些收益率构建经验协方差矩阵，其本身因统计不确定性而具有噪声。
• 应用随机矩阵理论（RMT）识别并过滤掉对应于随机波动的特征值，仅保留具有实际金融结构意义的特征值。
• 使用过滤后的协方差矩阵进行马科维茨投资组合优化，计算最小化风险的最优投资组合权重（针对目标收益）。
• 系统每316天执行一次动态再平衡，使用滚动历史数据窗口更新协方差矩阵并重新优化权重。
• 通过模拟初始资金为40,000兹罗提的投资组合在849天内的表现，将收益与WIG指数进行比较。

实验结果

研究问题

• RQ1 基于RMT的经验协方差矩阵过滤是否能显著改善现实市场数据中的投资组合风险与收益估计？
• RQ2 基于RMT的自动化系统是否能在华沙证券交易所的模拟交易环境中超越宽基市场指数（WIG）？
• RQ3 协方差矩阵中的噪声减少是否能带来更稳定且更具盈利能力的投资组合配置？
• RQ4 在市场波动时期，基于RMT的代理表现与被动指数投资相比如何？
• RQ5 该系统能否有效实现自动化，以实现实时投资组合再平衡而无需人工监督？

主要发现

• 基于RMT的过滤过程成功减少了经验协方差矩阵中的统计噪声，从而提高了风险与收益估计的可靠性。
• 模拟投资组合在849天内实现18%的累计收益，显著优于同期WIG指数10%的下跌表现。
• 投资组合在第151天达到峰值56,443.61兹罗提（为初始资本的140%），展现出强劲的增长潜力。
• 投资组合在前27天内经历暂时的回撤至35,042.66兹罗提（亏损12.4%），凸显了早期波动性，随后趋于稳定。
• 优化投资组合中持有的股票平均数量为100只中的45只，表明实现了积极的分散化与再平衡。
• 结果证实，基于RMT的过滤可增强投资组合优化，使复杂的MPT技术可通过自动化手段为个人投资者所用。