Liusha Yang

机构：香港科技大学 电子与计算机工程系。信号处理与统计学习方向，研究稳健统计在大维协方差估计与组合优化中的应用。

在本 wiki 的论文

• Yang-Couillet-McKay 2015 — A Robust Statistics Approach to Minimum Variance Portfolio Optimization — 把 Tyler 稳健 M 估计与 Ledoit-Wolf 收缩缝在一起，让收缩强度在线按实现组合风险最小化来选。恒生指数 45 只成分股、736 个交易日样本外：本文方法年化波动 0.0419，各基准 0.0428–0.0439，等权 0.1112。

方法论取向

把「估计得准不准」直接当作组合优化的目标函数来优化，而不是先定一个估计量再挑超参数。论文的增量正落在这一步——经典 Ledoit-Wolf 的收缩强度是一个由估计误差与收缩代价平衡推出的固定公式，Yang 等把它换成「在线最小化（缩放后的）实现组合风险一致估计量」，超参数选择本身成为一个优化问题。

另一条取向是对数据分布不作强假设：用 Tyler 的分布无关稳健 M 估计量替代样本均值做中心化，因此适用于厚尾收益序列；这正是库内协方差收缩估计那条线上 Ledoit-Wolf 本身没有覆盖的缺口（LW 假定二阶矩存在）。

相关

• 鲁棒组合优化 · 马科维茨诅咒
• 合作者：Romain Couillet · Matthew R McKay