关于鲁棒投资组合最优化模型的一些实践的评论有哪些？

关于鲁棒投资组合最优化模型的一些实践的评论有哪些？

之前部分的讨论导致了这样一个问题：金融投资组合建模最好的方法是什么?简短的回答是这样的：要视情况而定。它取决于组合的规模，资产的类型和它们的分布特点，相关的组合策略和交易风格，已有的技术手段和智能基础设施，等等。有时候考虑几种技术的组合使用是很有效的，例如把贝叶斯估计和鲁棒组合优化融合使用。这是一个经验性的问题：的确，发现的唯一办法是通过大量的研究和检验。为了给出这方面的一些指导，我们提供了鲁棒数量组合管理的一个简单的步骤清单。

1.风险预测：建立一个准确的风险模型

2.收益预测：建立鲁棒期望收益估计

3.经典组合优化：从一个简单的框架开始

4.降低模型风险

a.采用鲁棒估计将估计风险最小化

b.用鲁棒优化改进优化模型的稳定性

5.扩展

一般来说，这个列表中最困难的部分是计算鲁棒期望收益估计。开发有利可图的交易策略(“α生成”)是众所周知的困难，但也不是不可能的。很重要的一点是要记住，如果基本的交易策略是次等的，则再现代的组合优化技术和再精湛的数学方法也是无济于事的。

这个清单告诉我们，如果要理解这些改变和模型新增结构的效果，就需要在每一步对结果进行不断检验。数量分析师和组合经理在研究和开发过程中要经常修正之前的步骤。例如，弄清预测值生成与优化组合权重的可信度之间的互相影响是很重要的。引人鲁棒优化方法可以得到更可靠、通常也更稳定的组合权重。然而，如何使这个优化结构更具鲁棒性取决于期望收益和风险预测是如何产生的。因此，人们可能要不得不改进或修正基础的预测机制。识别不同技术间单独的和联合的贡献，对于成功地开发一个数量框架是非常重要的。

估计风险的最小化和对鲁棒优化结构的改进可以按照次序进行，或者有时同时进行。这些方法的最终目标当然都是改进组合配置框架的整体可信度和表现。这里要考虑的些重要的问题是：什么时候/为什么优化结构会表现得好（坏）?它对输入的变化的敏感度有多大？当约束条件改变时它将如何表现？组合权重是凭直觉的吗??它们有意义吗？组合的换手量是多少？

从组合优化的简单框架开始，很多推广都是可能的。这些推广包括引入交易成本模型、复杂约束条件（例如，交易数量的整数约束）、不同风险测量（例如下降风险测量、高矩）,考虑跨时期问题的动态随机规划。通常这些问题都是具体化的，需要根据问题的具体情况具体处理。

牛市通网是一个牛股推荐网与低风险投资知识网，可以在线联系客服领取牛股。牛市通网从权威的投资专家、金融分析师等投资信息中挑选优质的文章进行发布。牛市通网主要为投资者提供股票知识、股票观点、股票分析和明智金融投资讨论等信息。