[论文解读] Bounds on Portfolio Quality

Steven E. Pav|arXiv (Cornell University)|Sep 21, 2014

Complex Systems and Time Series Analysis参考文献 21被引用 3

一句话总结

本文推导出一个Cramér-Rao界，用于衡量从噪声估计中构建的组合的期望信噪比，表明在高斯收益下，最大化该信噪比时不存在偏差-方差权衡。关键结果是，若总体信噪比的增长速度慢于$ p^{1/4} $，则增加更多资产反而会降低预期组合质量，解释了为何马科维茨优化在实际中仅适用于小规模资产池。

ABSTRACT

The signal-noise ratio of a portfolio of p assets, its expected return divided by its risk, is couched as an estimation problem on the sphere. When the portfolio is built using noisy data, the expected value of the signal-noise ratio is bounded from above via a Cramer-Rao bound, for the case of Gaussian returns. The bound holds for `biased' estimators, thus there appears to be no bias-variance tradeoff for the problem of maximizing the signal-noise ratio. An approximate distribution of the signal-noise ratio for the Markowitz portfolio is given, and shown to be fairly accurate via Monte Carlo simulations, for Gaussian returns as well as more exotic returns distributions. These findings imply that if the maximal population signal-noise ratio grows slower than the universe size to the 1/4 power, there may be no diversification benefit, rather expected signal-noise ratio can decrease with additional assets. As a practical matter, this may explain why the Markowitz portfolio is typically applied to small asset universes. Finally, the theorem is expanded to cover more general models of returns and trading schemes, including the conditional expectation case where mean returns are linear in some observable features, subspace constraints (i.e., dimensionality reduction), and hedging constraints.

研究动机与目标

• 推导出在从噪声数据中估计时，可行组合的期望信噪比的上界。
• 解释尽管马科维茨组合在理论上最优，为何其在大规模资产池中很少被使用。
• 分析总体信噪比相对于资产池规模$ p $的增长速率如何影响组合质量。
• 将该界推广至广义模型，包括可观测特征、线性约束和对冲。
• 为组合优化中的维度缩减提供理论基础。

提出的方法

• 将信噪比表述为在单位球面$ \mathcal{S}^{p-1} $上的估计问题，将投资组合权重视为最优马科维茨权重的估计量。
• 应用Cramér-Rao不等式，推导出期望信噪比的上界，且该界对有偏估计量也成立。
• 通过渐近分析和模拟验证，推导出马科维茨组合信噪比的近似有限样本分布。
• 将该界推广至包含可观测特征、线性约束和条件期望的模型。
• 通过高斯和非高斯收益分布下的蒙特卡洛模拟验证该界和近似分布。
• 利用涉及$ \Sigma^{1/2} $的几何变换，将信噪比重新表达为球面上内积的形式。

实验结果

研究问题

• RQ1 在何种条件下，随着资产数量$ p $的增加，投资组合的期望信噪比会下降？
• RQ2 即使估计量有偏，是否仍可将Cramér-Rao界应用于从噪声估计中构建的投资组合的信噪比？
• RQ3 总体信噪比$ \zeta_* $相对于$ p $的增长速率如何影响可行组合的期望质量？
• RQ4 该界在多大程度上可推广至包含可观测特征、子空间约束或对冲的模型？
• RQ5 在有限样本下，所提出的马科维茨组合信噪比近似分布的准确性如何？

主要发现

• 投资组合的期望信噪比受Cramér-Rao型不等式的上界约束，且该界对有偏估计量也成立，表明在最大化工信噪比时不存在偏差-方差权衡。
• 若总体信噪比$ \zeta_* $的增长速度慢于$ p^{1/4} $，则预期组合质量的上界随$ p $增加而下降，表明无法获得分散化收益。
• 在高斯和非高斯收益分布下，蒙特卡洛模拟均表明所提出的马科维茨组合信噪比近似分布具有较高准确性。
• 该界为组合优化中的维度缩减提供了理论依据，因为增加信号强度不足的资产会降低预期表现。
• 理论界是紧致的，无法在不深入分析方程(19)中的微分不等式或使用内在Cramér-Rao界的情况下显著改进。
• 分析表明，实际投资组合构建可能受限于小规模资产池，并非由于计算成本，而是由于当$ \zeta_* \ll p^{1/4} $时，估计高质量组合在统计上存在困难。