Kim, M. J. et al. (2016) — Sparse Tangent Portfolio Selection via Semidefinite Relaxation
论文信息
- 标题: Sparse tangent portfolio selection via semidefinite relaxation
- 作者: Kim, M. J. et al.
- venue: Operations Research Letters 44(4): 540-543, 2016
- 本地: 未单独归档 — 经 Jeon et al. 2026 (ICML) 转引
一句话
把 k-sparse Sharpe 最大化提升为 PSD 矩阵变量 Y \succeq 0 的 SDP: 分式目标变线性 \mathrm{Tr}(\mu\mu^\top Y), 风险归一 \mathrm{Tr}(\Sigma Y)=1, 稀疏用凸代理 \mathbf 1^\top|Y|_1 \le kz — 得到稀疏 Sharpe 问题的可行凸近似, 同时贡献了 Cholesky 空间 Sharpe 几何三命题 (尺度不变 / 夹角序 / top-k 最优), 成为 OSCAR 与 DFL 版共同的理论根基。
在 Jeon et al. 2026 中的角色
双重: (1) 三命题的理论源头 (附录 A 证明明确 follow 其几何论证); (2) SD-relaxation 基线 — PFL 配 SD-relaxation 在 EuroStoxx50/FTSE100 平均 Sharpe 偶尔最高但 seed 方差大、时间序列波动剧烈 (附录 C.3 因不稳定被从三市场时序图中剔除)。实验时调整其稀疏参数使实现基数与 DFL 对齐 (公平比较)。