Making distributionally robust portfolios feasible in high dimension
使高维分布稳健投资组合问题可行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：摘要明确利用金融资产的因子结构解决高维组合问题，未直接研究尾部或系统性风险。
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…
使高维分布稳健投资组合问题可行
- 研究问题
- 在资产数量较多且收益分布存在不确定性时，如何构造可计算的稳健均值—方差组合，并从数据中确定不确定性规模？
- 方法与思路
- 作者借助因子结构把高维分布稳健组合问题转化为惩罚风险最小化，并估计不确定性规模及最低可接受目标收益。
- 材料陈述的贡献
- 摘要称相关估计具有渐近一致性，模拟中的调参估计接近理想值，并在模拟与指数成分股应用中获得较好的收益风险表现。
- 阅读关注点
- 应核对因子结构限制、不确定集合和目标收益的定义、未知总体参数的估计，以及样本外比较是否纳入调参与交易成本。
- 阅读边界
- 仅据所给 RePEc 出版社摘要版本，收益风险优势的数值、实施成本与适用条件未说明，不能推断未来表现或刊本变化。
原文摘要
Robust estimation for modern portfolio selection on a large set of assets becomes more important due to the large deviation of empirical inference on big data. We propose a distributionally robust methodology for high-dimensional mean–variance portfolio problems, aiming to select an optimal conservative portfolio allocation by considering distributional uncertainty. With the help of factor structure, we extend the distributionally robust mean–variance problem investigated by Blanchet et al. (2022) to the high-dimensional scenario and transform it to a new penalized risk minimization problem. Furthermore, we propose a data-adaptive method to quantify both the uncertainty size and the lowest acceptable target return. Since the selection of these quantities requires knowledge of certain unknown population parameters, we further develop an estimation procedure, and establish its corresponding asymptotic consistency. Our Monte-Carlo simulation results show that the estimated uncertainty size and target return from the proposed procedure are very close to the corresponding oracle level, and the newly proposed robust portfolio achieves high out-of-sample Sharpe ratio. Finally, we conduct empirical studies based on the components of the S&P 500 index and the Russell 2000 index to demonstrate the superior return–risk performance of our proposed portfolio selection, in comparison with various existing strategies.