20220301-天风证券-金融工程_海外文献推荐第213期_4页_337kb

报告摘要

本报告为投资者推荐了三篇近两年关于投资组合优化的海外文献，分别探讨了均值-方差优化方法、使用因子得分作为约束的投资组合优化以及将深度学习应用于投资组合优化。这些文献旨在帮助投资者更好地理解并应用投资组合优化策略，以实现收益最大化与风险最小化之间的平衡。

理论基础：均值-方差模型（MPT）由马科维茨于1952年提出，是现代投资组合理论的核心。
优化目标：在给定风险水平下最大化收益，促进组合多样化，使收益曲线更平滑。
局限性：
- 最优权重对输入参数（如预期收益和方差）的估计值高度敏感。
- 假设资产收益服从正态分布，这在现实中可能不成立。
改进方法：
- 增加控制条件，提高模型的稳定性。
- 基于情景模拟的组合重采样。
- 随机规划与收益的不确定性集合。
- 风险平价模型（Risk Parity）等。

技术方法：采用深度学习模型直接优化投资组合的夏普比率，无需预测预期收益。
模型优势：
- 避免了传统方法对预期收益预测的依赖。
- 通过梯度上升算法动态调整模型参数以优化权重。
资产选择：使用不同资产类别的市场指数ETF构建投资组合，以降低资产间的相关性。
测试结果：
- 在2011年至2020年4月的测试期间（包括新冠危机）表现优于传统模型（如MV、MD、SPT）。
- 通过敏感性分析和不同成本率、风险水平下的性能测试，验证了模型的稳健性。