Блог им. WLMike

Оценка ковариации акций в портфеле

Вынес в отдельное репо реализацию расчета ковариационной матрицы Ledoit-Wolf на Python.

Может быть полезно для тех кто занимается количественной оптимизацией портфелей акций.
★4
23 комментария
KarL$оН, я если честно и не рассчитываю. В свое время искал людей которые количественными портфельными инвестициями занимаются — нашел двоих. 
avatar
Многие занимаются портфелями… но ковариации отдельных акций, при том, что их тысячи, это не для частника. 
Кстати, на толковое описание этой ковариации ссылку можете дать, или, лучше, в 2 словах, что в ней оригинального? 
avatar
SergeyJu, если вы перейдете по ссылке на репо, там есть краткое описание, чем плоха обычная ковариация по историческим данным, особенно когда акций много. Дана ссылка на работу, в которой описан метод в деталях. 

А нужна она вам или не нужна, каждый решает сам. Большинство людей торгуют отдельными инструментами достаточно изолировано и портфельной оптимизацией не занимаются, тем более для десятков и сотен активов.  
avatar
Михаил, обычно частник использует более простые портфельные подходы, типа акции против облигаций, портфель из 3-10 ETF с переменными весами, и это естественно. За ссылку спасибо, я посмотрел и понял, что это вне сферы моих интересов. 
avatar
SergeyJu, я думаю вы переоцениваете уровень среднего участника — он действует по наитию и портфельных методах не имеет никакого представления. 
avatar
Михаил, я подразумевал квалифицированного частника, который более-менее понимает, что он делает и делает то, что он понимает. 
avatar
SergeyJu, на quantopian есть отдельный ноутбук, посвященный этой теме.
avatar
На R не приходилось подобное писать? Хотелось бы поиграться, но не силен в Python.
avatar
Dmitryy, R не знаю. То что вам Eugene Logunov написал, не совсем то — в чем различия понять не удалось, так как статью с описанием метода за деньги предлагают почитать. Этот заточен конкретно под акции и статья доступна публично. 
avatar
Eugene Logunov, ваш пост видел, а почему вы считаете, что лучше смотреть в сторону факторных моделей?
avatar
Eugene Logunov, я так понял вы противопоставляете ковариационную матрицу на основе факторов и обычную оценку ковариационной матрицы на исторических данных. Тут понятно, что ничего кроме шума получить нельзя и факторная матрица будет лучше.
 
Я же имел ввиду сравнение факторной и сжатой матрицы — какая из них лучше будет работать на ваш взгляд и есть ли какие-нибудь исследования на этот счет?

Сам я пользуюсь сжатием и по моим ощущениям такие ковариационные матрицы дают вполне адекватные оценки СКО портфелей. 
avatar
Eugene Logunov, если найдете напишите. Просто ваше соображение работает только при полном сжатии к целевой матрице. Если такое сжатие произошло, то с данными что-то совсем нехорошее, и вряд ли факторная модель будет имеет статистически достоверные оценки влияния факторов на отдельные бумаги. 

Если же сжатие не полное, то полученная оценка ковариации вполне может отражать секторальные особенности в той мере, в какой нестабильность данных это позволяет. 

Поэтому априори, мне совсем не очевидно, что факторная модель лучше. Сами Ledoit и Wolf провели некое сравнение на синтетических данных и у них вышло, что их сжатие лучше при десятках активов и сопоставимо при сотнях активов с факторной матрицей, но они люди ангажированные и могли специально выбрать удобные данные.  
avatar
Eugene Logunov, тут можно такую интерпретацию сжатию сделать — если данных мало или они совсем статистически неустойчивые ковариационная матрица схлопывается к однофактороной модели, если данных много и они достаточно устойчивы получаемая матрица становится все более многофакторной и в итоге количество факторов может приблизится к общему число активов. Данные сами драйвят насколько сложная ковариационная матрица допустима с учетом имеющихся данных. Что в неком смысле удобнее, чем многофакторная модель, где количество факторов обычно фиксировано и выбирается часто от балды.
avatar
Eugene Logunov, факторных моделей — я за. Но почему именно фундаментальных? 
avatar
Eugene Logunov, 
Только в том, что часть оценки заменяется на матрицу ковариации, собранную с равными корреляциями (т.е. матрица с простой структурой и всего N+1 параметром, вместо N*(N+1)/2).

Как отметил Михаил, это не вполне так почти всегда. В их методе все-таки их линейная комбинация и вся соль в оценке коэффициентов.
В последних свои статьях те же авторы предлагают более интересные нелинейные методы, которые по сути ближе к идеям из RMT, о которых вы писали в своей работе (постом это назвать язык не повернется).
avatar

теги блога Михаил

....все тэги



UPDONW