因子方法论之三：从稳健优化到约束条件的本质-20181101-东吴证券-31页-2mb

报告摘要

本文探讨了稳健优化在组合优化问题中的应用及其与传统约束条件之间的关系。重点在于通过稳健优化减少收益预测偏差对策略绩效的影响，并分析其在不同参数设置下的实证表现。

稳健优化的逻辑：
- 组合优化问题中，收益预测偏差不可避免，稳健优化通过找出最糟糕的情形并最大化该情形下的期望收益，来降低预测偏差对策略的影响。
- 稳健优化的两种形式分别考虑了当前组合与换仓前组合的收益预测误差。
稳健优化的实证表现：
- 不同参数设置下，稳健优化显著降低了中证500指数增强策略的换手率。
- 当跟踪误差和个股主动仓位限制较宽松时，稳健优化能显著提升策略收益和信息比率；反之，效果有限。
- 实证结果表明，稳健优化与传统约束条件之间存在一定的相互替代性。
稳健优化与约束条件的关系：
- 通过理论推导，稳健优化问题一等价于添加跟踪误差约束；问题二等价于添加二次换手率约束。
- 主动仓位上下限限制也等价于另一种形式的稳健优化，其本质是压缩个股收益预测。
收益预测的修正机制：
- 稳健优化及其它约束条件对个股预期收益进行压缩修正，有助于拟合非线性预测关系，从而提升模型绩效，减少预测偏差带来的负面影响。
参数选择与优化问题：
- 稳健优化涉及两个主要参数：k（控制置信区间大小）和 Q（收益预测误差的协方差矩阵）。
- Q 的两种计算方式：Constant_Q（固定协方差矩阵）和 Adaptive_Q（基于历史预测误差动态调整）。

稳健优化的两种形式：
- 问题一：最大化 $\widehat{\boldsymbol{u}}^T \boldsymbol{w} - k \sqrt{\boldsymbol{w}^T \boldsymbol{Q} \boldsymbol{w}}$，约束为 $\boldsymbol{w}^T \widehat{\boldsymbol{\Sigma}} \boldsymbol{w} \leq a$。
- 问题二：最大化 $\widehat{\boldsymbol{u}}^T \boldsymbol{w} - k \sqrt{(\boldsymbol{w} - \boldsymbol{w}_0)^T \boldsymbol{Q} (\boldsymbol{w} - \boldsymbol{w}_0)}$，约束为 $\boldsymbol{w}^T \widehat{\boldsymbol{\Sigma}} \boldsymbol{w} \leq a$。
实证参数设置：
- a（跟踪误差上限）：{3%, 4%, 5%, 6%, 7%, ∞}
- s（个股主动仓位上下限）：{2%×1, 5%×1}
- k（稳健优化参数）：{0, 0.5, 1, 2, 4, 6, 8, 10}
因子与权重：
- 使用9个因子（5个基本面因子 + 4个情绪因子）对个股预期收益率进行预测。
- 因子权重分别为：1, 1, 1, 1, 1, -1, 1, -1, -1。
绩效指标：
- 年化超额收益率、年化信息比率（IR）、年化换手率。
数据与方法：
- 数据来源为Wind资讯，回测时间范围为2010年12月31日至2018年8月31日。
- 交易成本为买入和卖出各0.3%，以更贴近实际策略表现。

换手率：
- 无论问题一或问题二，稳健优化参数 k 增大均能显著降低换手率。
- 问题二对换手率的下降幅度更大（从800%降到300%附近），问题一的下降幅度较小（从800%降到650%附近）。
信息比率（IR）：
- 当约束条件较宽松时，增加 k 值能显著提升IR。
- 当约束条件严格时，增加 k 值对IR提升有限。
- 问题一的IR通常高于问题二。
收益表现：
- 稳健优化在宽松约束下能显著提升年化收益和IR。
- 在严格约束下，稳健优化对收益提升有限，表明其与传统约束条件存在一定的替代关系。