[论文解读] Missing Information and Asset Allocation

Jean‐Philippe Bouchaud, Marc Potters+1 more|ArXiv.org|Jul 4, 1997

Stock Market Forecasting MethodsDecision Sciences参考文献 3被引用 19

一句话总结

本文提出了一种使用广义熵的约束型投资组合优化框架，以防止因金融数据不完整而导致的资产过度集中。通过引入类似于热力学自由能的自由效用函数，该方法通过对广义熵度量施加约束，强制实现最小程度的分散化，从而生成与市场实践相符且对噪声协方差估计不敏感的次有效前沿。

ABSTRACT

When the available statistical information is imperfect, it is dangerous to follow standard optimisation procedures to construct an optimal portfolio, which usually leads to a strong concentration of the weights on very few assets. We propose a new way, based on generalised entropies, to ensure a minimal degree of diversification.

研究动机与目标

• 解决由于统计估计不完善而导致的马科维茨均值-方差优化中投资组合的不稳定性和过度集中问题。
• 将直观的分散化需求形式化为信息含量的约束，将投资组合集中度与熵度量联系起来。
• 构建一个在风险-收益优化与最小分散化之间取得平衡的框架，反映基金经理所掌握的有限信息。
• 通过引入有效资产数量或广义熵的约束，对马科维茨有效前沿进行推广，形成次有效前沿。
• 建立热力学类比，其中“自由效用”函数将效用与熵结合，用于在不确定性下建模资产配置。

提出的方法

• 定义广义熵指标 $ Y_q = \sum_i p_i^q $，其中 $ Y_2 $ 表示有效资产数量 $ M_{\text{eff}} = 1/Y_2 $ 的倒数。
• 将优化约束为保持 $ M_{\text{eff}} \geq M_0 $，以确保最低限度的分散化。
• 通过在协方差矩阵 $ C_{ij} $ 的对角线上添加拉格朗日乘子 $ \nu $，修改马科维茨优化，形成 $ \mathcal{C}_{ij} = C_{ij} + \nu \delta_{ij} $。
• 推导出最优权重 $ \mathbf{p} = \frac{1}{2} \mathcal{C}^{-1} [\lambda \mathbf{r} + \mu \mathbf{1}] $，并施加收益、归一化及 $ M_{\text{eff}} $ 的约束。
• 引入自由效用函数 $ \mathcal{F}_q = U - \nu \frac{Y_q - 1}{q - 1} $，其中 $ U $ 为效用（如风险调整后的收益），$ \nu $ 作为类似温度的参数，反映不确定性。
• 通过 $ \mathcal{S} = -\lim_{q \to 1} \frac{Y_q - 1}{q - 1} $ 将熵 $ \mathcal{S} = -\sum_i p_i \log p_i $ 与 $ Y_q $ 关联，使该方法建立在信息论基础之上。

实验结果

研究问题

• RQ1 如何使投资组合优化对收益和协方差的不完整或噪声统计估计具有鲁棒性？
• RQ2 在统计数据有限时，要求投资组合分散化的信息论基础是什么？
• RQ3 如何通过约束型优化框架防止对少数资产的过度集中，同时保持风险-收益效率？
• RQ4 广义熵在衡量和限制投资组合配置的信息含量方面发挥什么作用？
• RQ5 与热力学自由能的类比如何帮助在不确定性下构建合理的效用函数？

主要发现

• 该方法生成的次有效前沿比标准马科维茨前沿更不集中，尤其当 $ \nu > 0 $ 时，通过约束 $ M_{\text{eff}} \geq M_0 $ 实现。
• 最优权重通过修改后的协方差矩阵 $ \mathcal{C}_{ij} = C_{ij} + \nu \delta_{ij} $ 推导得出，其中 $ \nu $ 调节以满足分散化约束。
• 当 $ \nu \to \infty $ 时，解收敛至等权重 $ p_i = 1/M $，对应最大熵和最小信息含量。
• 有效资产数量 $ M_{\text{eff}} = 1/Y_2 $ 提供了分散化的定量度量，数值越高表示分配越广泛。
• 自由效用函数 $ \mathcal{F}_q = U - \nu \frac{Y_q - 1}{q - 1} $ 将风险-收益效用与熵统一，其中 $ \nu $ 控制性能与鲁棒性之间的权衡。
• 该框架可推广至基于方差的风险度量之外的其他风险度量（如风险价值），使其适用于非高斯收益环境。