entitypaperrisk-parityoptimizationCCDcoordinate-descentlarge-scale

Griveau-Billion, Richard & Roncalli (2013) — A Fast Algorithm for Computing High-dimensional Risk Parity Portfolios

论文信息

  • 标题: A Fast Algorithm for Computing High-dimensional Risk Parity Portfolios
  • 作者: Théophile Griveau-Billion · Jean-Charles Richard · Thierry Roncalli — Lyxor Asset Management 量化研究部
  • venue: SSRN 工作论文 2325255(Lyxor),2013 年 9 月,9 页
  • 本地归档: raw/papers/201311-fast-algorithm-high-dimensional-risk-parity/ (paper.pdf 509 KB + extracted.md)

一句话

把风险预算问题识别为「带对数障碍的二次函数最小化」,套用机器学习里的循环坐标下降 (CCD) 算法,得到一个无需调步长、在 n>500 时明显更快的 ERC 求解器,并用五种算法的对比实验量化了这一点。

结构

  • §2 循环坐标下降算法:把 RB 问题写成 \min_x\frac12 x^\top\Sigma x-\lambda\sum_i b_i\ln x_i,每步只优化一个坐标
  • §2.1 推导:一阶条件化为关于 x_i 的二次方程,因 \sigma_i^2>0 凸、两根异号,取正根
  • §2.2 推广到标准差型风险测度
  • §3 性能对比:Eurostoxx 50 与 S&P 500 的 ERC 回测(SQP+BFGS / Jacobi / Newton / Nesterov / CCD)+ n=500,1000,1500 的模拟相关矩阵测试
  • 附录:SQP、Jacobi、Newton-Nesterov 算法的推导

与已有页面的关系

标准文献

  • Griveau-Billion, T., Richard, J.-C. & Roncalli, T. (2013). "A Fast Algorithm for Computing High-dimensional Risk Parity Portfolios." SSRN Working Paper 2325255.