[论文解读] Dynamic Mean-LPM and Mean-CVaR Portfolio Optimization in Continuous-time

Jianjun Gao, Ke Zhou+2 more|arXiv (Cornell University)|Feb 14, 2014

Risk and Portfolio Optimization参考文献 26被引用 6

一句话总结

本文利用下偏矩（LPM）和条件风险价值（CVaR）作为下行风险度量，构建了连续时间动态投资组合优化模型。通过引入期末财富的最低资金门槛，作者解决了均值-下行风险模型中的不适定性问题，证明了拉格朗日乘子的存在性与唯一性，并在确定性机会集下推导出解析解，从而实现了可处理且灵活的风险敏感型投资组合配置。

ABSTRACT

Instead of controlling "symmetric" risks measured by central moments of investment return or terminal wealth, more and more portfolio models have shifted their focus to manage "asymmetric" downside risks that the investment return is below certain threshold. Among the existing downside risk measures, the lower-partial moments (LPM) and conditional value-at-risk (CVaR) are probably most promising. In this paper we investigate the dynamic mean-LPM and mean-CVaR portfolio optimization problems in continuous-time, while the current literature has only witnessed their static versions. Our contributions are two-fold, in both building up tractable formulations and deriving corresponding analytical solutions. By imposing a limit funding level on the terminal wealth, we conquer the ill-posedness exhibited in the class of mean-downside risk portfolio models. The limit funding level not only enables us to solve both dynamic mean-LPM and mean-CVaR portfolio optimization problems, but also offers a flexibility to tame the aggressiveness of the portfolio policies generated from such mean - downside risk models. More specifically, for a general market setting, we prove the existence and uniqueness of the Lagrangian multiplies, which is a key step in applying the martingale approach, and establish a theoretical foundation for developing efficient numerical solution approaches. Moreover, for situations where the opportunity set of the market setting is deterministic, we derive analytical portfolio policies for both dynamic mean-LPM and mean-CVaR formulations.

研究动机与目标

• 通过引入期末财富资金门槛，解决动态均值-下行风险投资组合模型的不适定性问题。
• 基于局部鞅方法，为求解动态均值-LPM与均值-CVaR优化问题建立理论基础。
• 在一般市场设定下，证明拉格朗日乘子的存在性与唯一性，从而支持数值求解框架的构建。
• 当机会集为确定性时，推导出均值-LPM与均值-CVaR模型的解析投资组合策略。
• 通过资金门槛约束，提供一种灵活的框架，以抑制均值-下行风险模型中产生的激进投资组合策略。

提出的方法

• 在期末财富上引入一个极限资金水平，以正则化优化问题，防止出现不适定性。
• 将局部鞅方法应用于一般半鞅价格过程下的动态投资组合优化。
• 利用拉格朗日对偶性与分离超平面定理，证明对偶乘子的存在性与唯一性。
• 通过引入辅助变量构建对偶问题，并推导出必要最优性条件。
• 在确定性机会集下，显式求解对偶问题，获得闭式投资组合策略。
• 利用正态分布的矩 generating 函数，计算解推导过程中涉及的指示函数的期望值。

实验结果

研究问题

• RQ1 如何在连续时间下构建动态均值-LPM与均值-CVaR投资组合优化问题，而避免出现不适定性？
• RQ2 期末财富资金门槛在稳定与正则化均值-下行风险模型中起到何种作用？
• RQ3 在何种条件下，可以为动态均值-LPM与均值-CVaR投资组合问题推导出解析解？
• RQ4 对偶形式中的拉格朗日乘子行为如何？其存在性与唯一性由什么保证？
• RQ5 局部鞅方法能否成功扩展至连续时间设定下的LPM与CVaR等下行风险度量？

主要发现

• 引入期末财富资金门槛可有效解决均值-下行风险模型中固有的不适定性问题，使优化问题具有明确定义的解。
• 作者证明了对偶形式中拉格朗日乘子的存在性与唯一性，这对应用局部鞅方法至关重要。
• 在确定性机会集下，为动态均值-LPM与均值-CVaR模型均推导出了解析投资组合策略。
• 对偶问题的最优性条件确保解满足原始问题的约束，从而验证了对偶方法的有效性。
• 证明表明，与目标函数相关的对偶乘子必须为正，从而保证了解的非退化性。
• 通过超平面定理对凸集进行分离，确认最优解位于可行集的相对内部，支持强对偶性的成立。