本报告提出基于奇异核函数的广义相关系数(GCC),特别聚焦Kendall秩相关系数及其推广,在数据样本数量较少时更准确估计资产相关矩阵的特征值和特征向量。通过合成和真实金融数据的实证分析,发现该方法能够有效抑制相关矩阵的奇异性,提高投资组合的风险控制效果,并在不同区域和策略下,Kendall相关系数结合等距交叉验证协方差法表现出优异的超额样本风险表现 。
核心论点:
传统Markowitz投资组合理论高度依赖于资产收益率相关矩阵的准确估计。然而,当样本数与资产数相近甚至资产数更多时,传统Pearson相关矩阵的估计质量下降,尤其是其小特征值和相应特征向量的估计十分不稳定,导致投资组合风险被显著低估。本文提出,采用广义相关系数(Generalized Correlation Coefficients,简称GCC),特别是以Kendall秩相关系数为模型,能够在样本数量较少的条件下更准确地估计相关矩阵的特征值和特征向量,显著提升投资组合的实际风险控制能力。,1]
报告回顾了Markowitz理论核心,即基于资产收益波动率和相关性构建投资组合以实现风险分散。指出了高维小样本数据环境下相关矩阵估计困难,特别是小特征值的估计误差导致投资组合过度配置低风险因子而隐藏了真实风险。传统经验法则要求样本数量远大于资产数量,但实际市场数据往往难以满足此条件,噪声显著影响投资组合表现。由此激发了用随机矩阵理论(RMT)清洗相关矩阵特征值的研究,却对特征向量的纠正处理不足。
线性相关系数(Pearson相关):定义为协方差与各变量标准差乘积的比值,简便计算,适用于多元正态分布,但对非线性和异常值敏感,特别是金融数据中fat-tailed分布现象明显,Pearson相关较差。
秩相关系数(Spearman和Kendall):基于变量在样本中的秩,而非大小值本身,不依赖边际分布,能捕捉非线性单调关系且对异常值鲁棒。Kendall的τ通过统计变量对的“和谐度”体现相关性。
广义相关系数(GCC):使用奇函数ϕ对变量差分进行核化处理,包含Pearson(ϕ(x)=x)和Kendall(ϕ(x)=sign(x))等特殊情况。其估计量是对所有样本对间差异的加权相关。GCC将相关矩阵映射到了维度更高的组合空间(T(T−1)/2维),提升了数据稀缺时的矩阵特征稳定性,特征零值出现的条件变为N>T(T−1)/2,远优于传统Pearson相关矩阵的N>T。
此外,引入超bolic tangent核运算符ϕ=tanh,结合线性和秩相关的优点,形成“混合”相关系数。
文中表格(Table I,见下文图表解析)对比了各方法的定义、估计方式、奇异性出现条件及对边际独立性的依赖。,3]
样本相关矩阵的性质:定义为E=T1XX⊤,其特征值在样本数远大于资产数时趋近于真实相关矩阵,但当样本数与资产数相近或更少时,测量噪声导致特征值谱显著偏差:小特征值被压低,大特征值被抬高,直接影响风险估计。
两种主流RMT清洗方法:
特征值截断(Clipping):保留高于马尔岑科-帕斯楚边界的特征值,将低特征值统一替换为常数ζ以保持迹相等。优点简单但未能修正大特征值的过高估计。
旋转不变估计器(Rotationally Invariant Estimator,RIE):根据马尔岑科-帕斯楚理论反演样本噪声影响,逐个调整特征值,实现均方误差最小化。该估计器对低特征值存在系统性下偏差,通过正则化方法RIEΓ修正。对于样本数少于资产数的极端情况,因零特征值出现,RIE效率降低,提出简单加权单位矩阵补偿方案RIE+id。
使用2000-2024年500只美股、欧洲、亚太市场数据估计真实相关矩阵C,基于多维Student分布模拟数据生成,检验估计方法在样本数比(q=N/T)为0.5和2两种情况下的表现。
在q=0.5时(样本数为资产数两倍),RIE等传统方法表现良好,但Kendall及超bolic tangent核相关矩阵(GCMs)特征值更接近真实特征值。Kendall特征值偏向过小和过大特征值的缓和,满足椭圆Copula模型中ρ=sin(2πτ)关系的理论预期。但通过该变换映射回Pearson存在负特征值问题,表明估计的Kendall矩阵不总是合法的椭圆Copula对应矩阵。
在q=2时(资产数是样本数两倍),传统相关矩阵出现多个零特征值,RIE方法难以修正,性能下降。RIE+Id方法有所改进但仍不理想。Kendall方法无奇异性表现,特征值与真实特征值最接近,显示其在极端高维-小样本情境下的优势。
图1详见图表部分。
通过创建人为“重复股票”对(几乎完美相关),检验不同方法在有限样本条件下检测该高相关因子的能力。实验显示Kendall及tanh核GCMs在样本数低至50时依然能准确捕捉重复股票权重,而Pearson相关在样本数接近资产数时表现急剧下滑(出现奇异性)。(图2见图表)
进一步,使用“共同模式分数”(Fraction of Common Modes,FCM)度量特征向量整体映射质量。结果表明,Kendall和tanh GCMs在大特征值和小特征值对应特征向量的恢复能力上均优于Pearson方法,特别是对小特征值影响显著,后者对最小风险投资组合关键所在。
对有限样本不同自由度Student分布下的延展分析显示,GCMs在很广泛条件下均优于或不逊于Pearson,且方差略高(见附录B图6、7)。,14]
小特征向量恢复对于真实场景极为关键,但在转换为协方差矩阵时,GCM的非矩矩特性导致性能下降。对此,作者设计了复合方法——在GCM估计出的特征向量基础上,用交叉验证方法重新估计基于Pearson的特征值,兼顾鲁棒性与解释性。,9]
Isotonic Cross-Validation Covariance (ICVC) 方法引入,将样本协方差矩阵划分10折交叉验证,每折独立计算特征向量和特征值,最后应用保单函数约束获得最终估计,实现非线性特征值收缩,降低过拟合。作者创新性地将该方法适配至GCM特征向量估计,保留特征向量优势的同时使用Pearson统计意义的特征值。
投资组合构建:基于Markowitz优化,求解最小方差且目标期望收益大于一定阈值的权重向量,纯二次规划问题,权重依赖协方差矩阵逆的乘积。设置多种策略:最小方差、实际未来收益已知(全知)、均值回复和随机多空策略。数据涵盖2000-2024年美股500只,训练期1000日,测试期60日,滑动切分大样本数据,累积计算风险。,10]
实证结果:通过多样化策略和地区(美洲、欧洲、亚太)检验,Kendall及其ICVC版本明显优于传统RIE及Clipping方法,显著降低了投资组合的离样风险。tanh方法表现接近Kendall,被略去展示。图5和附录C的统计表也强力证实了结论的稳健性。,15,16]
报告总结了广义相关系数的核心理论:奇函数核定义的相关矩阵在高维小样本条件具有较强的奇异值抵抗力,特征零值出现阈值从原Pearson的线性关系(N>T)变为二次关系(N > T(T-1)/2),使得估计在极端条件下依然稳健。
实证中Kendall相关矩阵相较传统方法,虽然固有估计偏差,但其对特征值和特征向量的准确恢复均优于Pearson清洗结果,最终导致优化投资组合风险降低。
进一步,报告提出针对最小风险投资组合的场景推荐Kendall ICVC,兼备特征向量准确性和特征值解释性,领先现有RMT清洗方法。
未来研究建议集中于理论性质深入分析(如特征值/向量渐近行为等),以及基于GCM的特征值清洗算法开发。,12]
内容:比较真实相关矩阵C的特征值与各种估计矩阵特征值的对应关系。变量q=N/T取0.5及2,分别以对数坐标和线性坐标展示。
解读:
Pearson相关系数及其RIE清洗显示特征值系统性偏离45度线(理想的完美估计);
GCMs(Kendall和tanh)特征值更加逼近真实值,特别在q=2时表现尤为突出,远离零特征值的“平台”,解决了传统方法奇异性难题。
Clipped方法因多数小特征值被恒定替换,图中特征值呈阶梯状。,6]
内容:模拟重复股票对,报出该重复组合对应特征向量的两个分量平方和随q变化。
解读:
GCM(尤其tanh)保持接近1,表明能准确捕捉重复因子,即高相关资产对的特征向量权重捕获能力强;
Pearson相关快速下降,当q逼近1即传统相关矩阵出现奇异时效果急剧恶化。
内容:FCM曲线分别针对大特征值和小特征值对应特征向量,展示估计矩阵与真实矩阵子空间一致性。
解读:
GCM方法整体优于Pearson,曲线明显高于随机水平线,尤其是Kendall。
这表明GCM能更好地估计影响投资组合风险的关键特征子空间。,8]
内容:FCM针对仅10个最小特征向量,区分相关矩阵与协方差矩阵。
解读:
在相关矩阵上GCM优于Pearson,特别是Kendall。
但是转为协方差矩阵(由于利用真实标准差),一些GCM方法表现下降,暗示非矩阵统计性导致的特征向量变异,须特殊处理(如ICVC)。,9]
内容:四种投资策略对应的年化波动率箱线图,较综合地展示各种清洗方法的实际投资表现。
解读:
Kendall统治所有传统RMT方法,尤其是结合ICVC后效果最优。
真实交易策略下,Kendall相关系数在风险控制层面表现更稳定,低波动率。
报告整体属于理论及经验性质的金融模型研究,未涉及企业或资产具体估值模型,不包含DCF或市盈率分析部分。
报告实际未专门罗列风险,但从内容可推断:
估计方法在非常稀疏数据环境下存在潜在偏差,尤其GCM估计的相关矩阵非标准矩阵,带来负特征值风险;
不同方法的理论假设(如椭圆分布、学生t分布)在现实市场中不完全成立,影响模型稳健性;
ICVC等方法解决协方差矩阵标准化带来的估计劣化,但仍依赖部分手动参数调整和假设。
整体而言,作者通过多方法对比、交叉验证等减少模型风险,未发现显著忽视的风险点。,12]
模型局限:
GCMs估计的相关矩阵不是所有情况下都合法(非正定可能出现),这可能在极端采样情况下引发数值稳定性问题。
报告补充了清洗策略(如Kendall Clipped),但实际应用中更复杂的市场结构未详述对该方法适用性的影响。
偏见与假设:
文章基于学生分布及椭圆Copula假设,是否广泛适用于所有市场和资产类别存在不确定。
股市实际的非线性、多层次依赖结构或突发事件风险可能对相关估计造成额外挑战。
数据区间与市场环境:
这些点需在未来工作中深化探讨。
本文围绕利用Kendall秩相关系数及广义相关系数(GCC)在高维小样本环境下提高资产相关矩阵估计精度展开,核心创新体现在:
理论层面:提出GCC定义,并证明其奇异值出现的极限远优于传统Pearson相关矩阵,为高维小样本投资组合优化奠定数学基础。
实证层面:在合成基于多维学生分布数据上,定量展示GCC(Kendall及tanh核)显著降低了估计相关矩阵特征值和特征向量的误差。尤其是在样本量不足时其优势更为突出。
投资组合优化应用:结合ICVC方法调整GCC矩阵,实现了基于稳健特征向量和有效特征值的协方差矩阵构造,在多种实用组合策略和全球不同市场条件下均带来了更优的离样风险控制,实际交易风险率显著低于传统RMT清洗方法。
图表验证:
总结来看,本文提出的Kendall相关系数在资产组合优化中为高维低样本情况下的相关矩阵估计提供了一条新的、理论和实证均有力支撑的思路,后者在精细风险管理和资产配置决策领域具有重要应用潜力和推广价值。,13-17]
图1:
图2:
图3:
图4:
图5:
附录图6:
附录图7:
图8(q=0.2对比):
本文从理论、数值及实证三个维度完整展现了Kendall相关矩阵在金融多资产组合优化中的优势,推动了高维小样本相关矩阵估计方法的发展,为实际资产配置策略的风险控制提供了新的技术路径。
2410.17366.pdf