[论文解读] Learning Time Varying Risk Preferences from Investment Portfolios using Inverse Optimization with Applications on Mutual Funds.

Shi Ming Yu, Yuxin Chen+1 more|arXiv (Cornell University)|Oct 4, 2020

Financial Markets and Investment Strategies被引用 3

一句话总结

本文提出了一种逆优化框架，利用同步的市场与投资组合数据，从共同基金投资组合中学习时变的风险偏好。通过实时估计动态风险偏好，该方法实现了个性化、自动化的投资组合管理，并将其输出结果与既有的风险度量方法进行了验证。

ABSTRACT

The fundamental principle in Modern Portfolio Theory (MPT) is based on the quantification of the portfolio's risk related to performance. Although MPT has made huge impacts on the investment world and prompted the success and prevalence of passive investing, it still has shortcomings in real-world applications. One of the main challenges is that the level of risk an investor can endure, known as \emph{risk-preference}, is a subjective choice that is tightly related to psychology and behavioral science in decision making. This paper presents a novel approach of measuring risk preference from existing portfolios using inverse optimization on the mean-variance portfolio allocation framework. Our approach allows the learner to continuously estimate real-time risk preferences using concurrent observed portfolios and market price data. We demonstrate our methods on real market data that consists of 20 years of asset pricing and 10 years of mutual fund portfolio holdings. Moreover, the quantified risk preference parameters are validated with two well-known risk measurements currently applied in the field. The proposed methods could lead to practical and fruitful innovations in automated/personalized portfolio management, such as Robo-advising, to augment financial advisors' decision intelligence in a long-term investment horizon.

研究动机与目标

• 解决现代投资组合理论（MPT）在投资者风险偏好主观性与动态性方面的研究空白。
• 开发一种从观测到的投资组合中推断风险偏好而非假设风险偏好的方法。
• 利用同步的市场与投资组合数据，实现实时风险偏好的估计。
• 将估计出的风险参数与既有的风险度量框架进行验证。
• 支持自动化与个性化投资组合管理的进一步发展，例如智能投顾系统。

提出的方法

• 该方法在均值-方差投资组合框架内应用逆优化，从观测到的投资组合配置中反推出风险偏好。
• 采用持续学习方法，利用滚动窗口的同步市场收益率与共同基金持仓数据，估计时变风险偏好。
• 该框架利用20年的历史资产定价数据与10年的共同基金投资组合数据，用于训练与风险参数估计。
• 通过求解一个优化问题，使预测的最优投资组合与观测到的基金融资持仓相匹配，从而推断风险偏好参数。
• 该方法在保持与均值-方差模型一致的同时，允许风险容忍度随时间动态变化。
• 验证后的输出结果与两个既有的风险度量基准进行对比，以确保结果的可靠性与可解释性。

实验结果

研究问题

• RQ1 如何从观测到的投资组合中估计风险偏好，以真实反映投资者的实时行为？
• RQ2 通过逆优化推导出的风险偏好在多大程度上与既有的风险度量框架一致？
• RQ3 能否利用长期投资期限内的同步市场与投资组合数据，可靠地估计时变风险偏好？
• RQ4 所提出的方法在多大程度上提升了自动化投资组合管理系统的准确性与个性化水平？
• RQ5 在真实市场条件下，将估计出的风险参数与已知风险指标进行检验时，其经验有效性如何？

主要发现

• 所提出的逆优化框架成功地利用真实市场数据，从共同基金投资组合中推断出时变风险偏好。
• 估计出的风险偏好参数与该领域内两个知名的风险度量基准表现出高度一致性。
• 该方法实现了持续的实时风险偏好估计，能够捕捉投资者行为随时间的动态变化。
• 该框架在提升自动化投资组合管理系统（包括智能投顾平台）方面展现出实际可行性。
• 结果验证了该方法从观测到的投资决策中提取出有意义且行为一致的风险偏好的能力。
• 该方法通过将风险偏好建立在实际投资组合配置与市场条件基础上，支持长期投资决策智能。