HRB:一种优于HRP的风险预算模型
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,曾荣获AMMA优秀品牌力、优秀洞察力大奖,连续4年被腾讯云+社区评选为“年度最佳作者”。量化投资与机器学习公众号 独家解读量化投资与机器学公众号 QIML Insight——深度研读系列 是公众号全力打造的一档深度、前沿、高水准栏目。公众号遴选了各大期刊前沿论文,按照理解和提炼的方式为读者呈现每篇论文最精华的部分。QIML希望大家能够读到可以成长的量化文章,愿与你共同进步!本期遴选论文
来源:The Journal of Financial Data Science Spring 2024
标题:Hierarchical Risk Budgeting
作者:Gilles Boevi Koumou
本期遴选论文来源:The Journal of Financial Data Science Spring 2024标题:Hierarchical Risk Budgeting作者:Gilles Boevi Koumou
核心结论
1、分层风险预算(Hierarchical Risk Budgeting, HRB)方法具有可视化、灵活性和稳健性等特性,类似于分层风险平价(Hierarchical Risk Parity, HRP)方法。
2、利用HRB的灵活性和稳健性,HRB可以扩展纳入资产的预期收益,而无需额外的约束来控制估计误差。
3、在实证方面,特别是在考虑资产的预期收益时,HRB是一个有希望替代经典HRP的方案。
风险预算(RB)
在资产配置的相关方法中,我们大家最熟悉的其中有一个方法叫做风险平价(Risk Parity),此方法就是站在风险角度进行资产配置。而风险预算(Risk Budgeting),其实与风险平价类似,都是从风险的角度进行资产配置,但是不同的是,RP是给每类资产分配同样的风险权重,而RB的目标是最大化单位风险的收益(maximize return per unit of risk),从而达到最优的风险预算(optimal risk budget)。
首先,我们引入Koumou(2023)提出的RB方法的核心概念和定义:
这段内容摘自一篇关于风险预算(Risk Budgeting, RB)方法的论文,主要介绍了由Koumou(2023)提出的RB方法的核心概念和定义:
表示投资组合 在风险丰富性方面的多元化程度,取值范围在[1, N]。 值越高,表示投资组合在风险丰富性方面的多元化程度越高。 当 接近1时,意味着资产在风险方面更相似,或者风险贡献度 更集中。 相反,当它接近 时,资产在风险方面更不相似。
该方法可以通过一个两步问题来重新构建:
A1第一步:预算选择
A2第二步:RB
在确定了最优预算后,投资者需要根据这个预算来选择资产,构建出一个实际的投资组合。
基本定义
1、可视化
2、灵活性
3、稳健性
能够构建一个具有ill-degenerated或奇异协方差矩阵的投资组合。
能够产生一个在权重和规模上良好分散化的投资组合,这种组合对于特定风险和共同风险具有稳健性,但不一定对系统性风险具有稳健性。
3、纳入预期收益
- See Meucci (2009)
- Boudt, Carl, and Peterson (2012)
- Roncalli (2015)
- Haugh, Iyengar, and Song (2017)
- Ardia, Boudt, and Nguyen (2018)
- Costa and Kwon (2020)
- Simonian and Martirosyan (2022)
再此不做介绍。
我们在后面的介绍中将引用Costa and Kwon (2020)的方法:
步骤2
这个修改版的公式有以下优点:
1、保持了RB的解释;
2、更直接易操作;
3、通过依赖过滤后的相似性矩阵
的稳健性,有效减少了估计预期收益时的错误,而不是引入额外的稳健结构。
使用15只交易所交易基金(以下简称15ETF)2006年8月2日至2023年3月31日的每日收盘价计算相应的收益。
在样本内分析中,使用2006年8月2日至2023年3月31日这段时间作为评估窗口。样本外采用滚动窗口方法,窗口跨度为356天,每月更新一次。
评价指标有:Mean (RET)、Volatility (SD)、Maximum drawdown risk (MDD)、 Sharpe ratio (SR)、Calmar ratio (CR)、Turnover (TO)、Cumulative returns (CRET)、Herfindahl index (HI)
样本内
样本外
总结
基于Koumou(2023)的风险预算方法,本文提出了一种基于过滤相似性矩阵的HRB方法,该方法具有可视化、灵活性和稳健性等吸引人的特性。
利用其灵活性和稳健性,HRB可以扩展以纳入资产的预期收益,而无需额外的约束来控制估计误差。
实证表明,HRB是一个有希望替代经典HRP的方案,尤其是在考虑资产的预期收益时。
阅读原文 最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。