Оценка ковариации акций в портфеле

KarL$оН, я если честно и не рассчитываю. В свое время искал людей которые количественными портфельными инвестициями занимаются — нашел двоих. 

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.  

SergeyJu, я думаю вы переоцениваете уровень среднего участника — он действует по наитию и портфельных методах не имеет никакого представления. 

SergeyJu, на quantopian есть отдельный ноутбук, посвященный этой теме.

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. 

Eugene Logunov, ваш пост видел, а почему вы считаете, что лучше смотреть в сторону факторных моделей?

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. 

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.  

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.