Bruder, Richard, Gaussel & Roncalli (2013) — Regularization of Portfolio Allocation

论文信息

• 标题: Regularization of Portfolio Allocation
• 作者: Benjamin Bruder · Jean-Charles Richard · Nicolas Gaussel (Lyxor Asset Management) · Thierry Roncalli — Lyxor Asset Management 量化研究部
• venue: SSRN 工作论文 2767358（Lyxor），2013 年 6 月，33 页
• 本地归档: raw/papers/201306-regularization-of-portfolio-allocation/ (paper.pdf 1.0 MB + extracted.md)

一句话

综述型的「如何让 MVO 的解不被估计误差毁掉」：MVO 的解里含信息矩阵 I=\hat\Sigma^{-1}，其最大特征值恰对应协方差矩阵的最小特征值（噪声因子）；论文把稳定化手段分成两代——第一代处理输入（重采样、协方差收缩、随机矩阵去噪、权重约束），第二代直接处理解（Lasso/ridge 惩罚），并认为第二代更令人满意。

结构

• §2 动机：二次效用的无约束解 x^\star=\frac{1}{\gamma}\Sigma^{-1}\mu；协方差与信息矩阵的特征值对照；输入参数敏感性实证
• §3.1 权重约束：Jagannathan-Ma (2003) 的结论形式化——权重约束等价于参数正则化；逐轮加约束的副作用
• §3.2 重采样（Monte Carlo / bootstrap）：作者批评其缺乏理论、未解决稳健性问题
• §3.3 协方差正则化：特征分解去噪（含 PCA 因子暴露实证）与 Ledoit-Wolf 收缩
• §3.4 惩罚法：\ell_1（Lasso，软阈值）与 \ell_2（ridge，等价于协方差矩阵加 \lambda I）
• §3.5 信息矩阵与对冲组合：Stevens (1998) 的回归解读、稀疏对冲组合
• §4 应用：主成分组合分解、L_2-MVO、OLS-MV vs Lasso-MV 的对冲组合对比
• §5 结论：第一代方法不够，第二代直接正则化解更可取

与已有页面的关系

• 组合优化的正则化 — 本论文整理出的概念页
• Markowitz Curse — 不稳定的根源
• Risk Parity — 不需要加约束的另一条稳定化路线
• Covariance Shrinkage Estimation — 协方差收缩
• Bruder-Richard-Gaussel-Roncalli 2013 摘要页 — 中文提炼

标准文献

• Bruder, B., Richard, J.-C., Gaussel, N. & Roncalli, T. (2013). "Regularization of Portfolio Allocation." SSRN Working Paper 2767358.