“学海拾珠”系列之一百八十九：基于复合模型构造行业ETF组合.docxVIP

正文目录

引言 4

方法 5

估计各行业ETF的边际RWDS 7

使用COPULA模型估计基金之间的相关性结构 7

从联合分布中获取输入样本 8

带有SD约束的投资组合优化 8

样本构建 8

数据 8

期权隐含的边际密度函数 10

使用COPULAS估计联合密度分布 11

投资组合业绩分析 12

评估方法 12

基本情况 13

业绩归因 14

交易成本与再平衡频率 16

在多种市场情况下的投资组合业绩 17

5结论 18

风险提示： 19

图表目录

图表1文章框架 4

图表2供对比的主动策略 6

图表3参数及变量符号 6

图表4每日历史回报率数据的描述性统计 9

图表5无条件PEARSON相关系数 10

图表6基于HESTON模型的经验历史密度、风险中性和RWD的比较 11

图表7使用加权似然比检验比较密度函数预测 11

图表8COPULAS拟合分析 12

图表9样本外业绩分析 13

图表102001年至2020年期间各对比策略的累计回报 14

图表11RW随机过程、COPULA和选择准则对期权隐含策略的增量效应 15

图表12RN随机过程、COPULA和选择准则对期权隐含策略的增量效应 15

图表13扣除交易成本后的样本外业绩（月度再平衡） 16

图表14扣除交易成本后的样本外业绩（季度再平衡） 17

图表15扣除交易成本后的样本外业绩（年度再平衡） 17

图表16在高VIX与低VIX下的样本外业绩 18

引言

图表1文章框架

资料来源：

基于计量经济学和梳理过程的投资组合构建往往面临风险控制、对估计标准误差敏感、交易成本高的挑战。尽管一些简单的启发式投资策略——例如等权多空组合（JegadeeshandTitman，1993年）和朴素的分散化策略（DeMiguel等人，2009年）——在样本外表现也不错，但文献尝试使用多种模型与优化方法来改进这些启发式策略。

文献将金融建模方法用于美国市场的行业ETF，来优化投资组合配置，并评估

其在调整风险和交易成本后的表现。研究构建了一个涵盖2000-2020年期间九只流动性较好的ETF的现货和期权数据的综合数据集，并将市场期权价格、Heston随机波动模型、风险溢价转换、copulas和带有随机占优约束的优化技术结合成一个整体方法。文献提出了一种灵活的方法来预测行业基金回报的联合概率分布，分别使用不同模型和数据类型建模个别基金的边际分布和基金之间的相关性结构。

与历史数据不同，期权数据具有内在的前瞻性，反映了市场对未来价格的预期，对于边际概率的估计，文献考虑了两种最广泛使用的期权定价模型：假设价格对数正态分布的Black-Scholes-Merton（BSM）模型和包含随机波动成分的Heston（1993）

模型。为了将风险中性分布（risk-neutraldistribution，RND）转换为现实世界分布

（real-worlddistribution，RWD），分别对BSM和Heston模型使用统计校准和风险溢价转换。

此外，文献还考虑了两种相关性结构的分布：Gaussian（线性）copula和R-Vinecopula，后者能更好地建模股票回报之间的非线性相关。为了考虑偏度和下行风险，文献应用了带有二阶随机占优（second-degreeStochasticDominance，SD）约束的投资组合优化方法，这种优化方法确保最佳投资组合在所有可能的回报阈值下的下行风险低于基准，它是所有具有凹效用函数的避险投资者的首选。

结合这些方法的投资策略显著优于SP500指数和各种简单的主动策略，包括

简单的行业动量策略、最小方差和均值-方差优化策略。逐步分解不同方法的贡献度，发现期权隐含分布、随机波动模型、风险溢价转换和随机占优优化在实现这些结果中的重要性，强调了使用集成建模方法的重要性。

文献的研究与多个领域的文献相关，包括期权隐含投资组合选择、基于copula的投资组合优化、带有随机占优约束的投资组合优化、基于随机占优的期权定价和稳健投资组合管理，是首个将上述所有方法整合成一个可行、连贯和有效的方法的研究，结合低成本ETF、适度的再平衡频率和公开数据来源，使得这些策略在实际环境中可行。

此外，文献提出的方法预计可以应用于其他资产配置问题，如货币对和商品期货的选择。这些问题类似于股票行业ETF选择的问题，因为维度有限、交易成本相对较低且在许多情况下有流动性良好的交易所交易期权。然而，应用于大量个股似乎难以实现。