Regime-Aware Asset Allocation (状态感知资产配置)

方法学抽象: 在 regime (市场状态) 估计条件化的资产配置框架。本 wiki 当前以 Wasserstein HMM 资产配置框架 (arXiv:2603.04441) 为落地范例, 抽象出"状态→条件化 μ/Σ→MVO"的通用骨架。

定义

Regime-Aware Asset Allocation 指组合优化中, 把 regime 视为不可直接观测的潜在变量 s_t \in \{1,\dots,K\}, 把 μ̂ 和 Σ̂ 写成 regime-conditional 期望:

\hat\mu_t = \sum_{k=1}^{K} P(s_t = k \mid x_{1:t})\, \mu_k,\qquad \hat\Sigma_t = \sum_{k=1}^{K} P(s_t = k \mid x_{1:t})\, \Sigma_k

其中 x_{1:t} 是观测到的市场特征 (收益率/波动率/动量等), 然后把上式代入 Mean-Variance Optimization with Transaction Cost。

维度	静态 MVO	单 K HMM + 滚动	Wasserstein HMM (本文)
\mu/\Sigma 估计	滚动窗	滚动窗 + 单 HMM	滚动窗 + Wasserstein 模板稳定的 HMM
K 固定	—	一次性 BIC 写死	验证集预测表现动态选
状态标签跨窗稳定	—	容易标签切换	2-Wasserstein 模板对齐
日频换手	通常高	高	0.80%

标签切换: 滚动 HMM 在 t 和 t+1 间, latent state index 重新初始化, 同一 regime 拿不同编号 → 组合误以为 regime 改变。修法见 Wasserstein 模板追踪与标签切换修复。
K 写死: BIC 一次性选 K, 在 2020 危机或 2025 解放日这种 regime 复杂度突变时跟不上。修法: 滑动窗验证集预测对数似然 + 复杂度惩罚。
特征 t-信息泄漏: 状态向量若混入当日数据, 等于偷看未来, 样本外全部归零。本框架显式只用 t-1 及之前。

Hidden Markov Regime Detection — Regime 检测层; 本页是它"上游 → 投资"的接口。
Distributionally Robust Optimization — DRO 也做条件化, 但条件在分布模糊集上, 不在 latent regime 上。
Volatility Targeting / Volatility-Managed Portfolio — 单变量条件化, 不做 regime 切换。
Adaptive Asset Allocation — 笼统称呼, regime-aware 是其典型实现路径之一。