Sparse and Stable Portfolio Selection With Parameter Uncertainty
参数不确定性下的稀疏且稳定的投资组合选择AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦投资组合选择与参数估计风险，给定细分缺少组合配置方向，现有内容不足以明确归入其他细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
参数不确定性下的稀疏且稳定的投资组合选择
- 研究问题
- 当预期收益和收益协方差存在估计误差时，如何构造兼具稀疏性与稳定性的均值—方差投资组合，并改善样本外表现？
- 方法与思路
- 作者把一般投资组合选择写成线性回归问题，并对组合权重施加额外约束，以降低预期收益与协方差估计带来的风险。
- 材料陈述的贡献
- 摘要称，新方法的权重具有稀疏性和稳定性；四项实证中，其样本外表现更好、换手率更低，尤其在估计风险较大时。
- 阅读关注点
- 阅读时应核对权重约束的形式、稀疏与稳定性质的成立条件，以及四项实证的比较策略、样本外设计和交易成本处理。
- 阅读边界
- 摘要未说明四项实证的数据、绩效指标与成本设定；更好表现是作者对其比较结果的陈述，不能据此推断跨市场优势。
原文摘要
A number of alternative mean-variance portfolio strategies have been recently proposed to improve the empirical performance of the classic Markowitz mean-variance framework. Designed as remedies for parameter uncertainty and estimation errors in portfolio selection problems, these alternative portfolio strategies deliver substantially better out-of-sample performance. In this article, we first show how to solve a general portfolio selection problem in a linear regression framework. Then we propose to reduce the estimation risk of expected returns and the variance-covariance matrix of asset returns by imposing additional constraints on the portfolio weights. With results from linear regression models, we show that portfolio weights derived from new approaches enjoy two favorable properties: sparsity and stability. Moreover, we present insights into these new approaches as well as their connections to alternative strategies in literature. Four empirical studies show that the proposed strategies have better out-of-sample performance and lower turnover than many other strategies, especially when the estimation risk is large.