Shocks-adaptive Robust Minimum Variance Portfolio for a Large Universe of Assets
大规模资产组合中的冲击自适应稳健最小方差投资组合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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以资产收益因子模型估计风险结构，并用于稳健最小方差组合。
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
大规模资产组合中的冲击自适应稳健最小方差投资组合
- 研究问题
- 当资产数量接近或超过样本量，且收益存在厚尾和突发冲击时，如何稳健估计风险结构并构建最小方差组合？
- 方法与思路
- 作者提出稳健因子模型，以稳健主成分分析估计因子，并收缩估计特异误差协方差，将 POET 扩展至冲击情形。
- 材料陈述的贡献
- 摘要称方法无需区分整体与特异冲击即可自适应处理，并给出模型与组合的理论结果；数值和实证比较支持其表现。
- 阅读关注点
- 应核对稳健主成分与协方差收缩的具体定义、厚尾及冲击条件，以及组合风险理论和实证比较的评价标准。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未说明理论条件、调参方式及比较幅度，不能据此确认普遍优势。
原文摘要
This paper proposes a robust, shocks-adaptive portfolio in a large-dimensional assets universe where the number of assets could be comparable to or even larger than the sample size. It is well documented that portfolios based on optimizations are sensitive to outliers in return data. We deal with outliers by proposing a robust factor model, contributing methodologically through the development of a robust principal component analysis (PCA) for factor model estimation and a shrinkage estimation for the random error covariance matrix. This approach extends the well-regarded Principal Orthogonal Complement Thresholding (POET) method (Fan et al., 2013), enabling it to effectively handle heavy tails and sudden shocks in data. The novelty of the proposed robust method is its adaptiveness to both global and idiosyncratic shocks, without the need to distinguish them, which is useful in forming portfolio weights when facing outliers. We develop the theoretical results of the robust factor model and the robust minimum variance portfolio. Numerical and empirical results show the superior performance of the new portfolio.