本报告基于现代投资组合理论(MPT)框架,探讨均值向量的最优收缩估计方法对投资组合性能的影响。通过对比传统方法、Jorion方法和Ortiz方法,发现Ortiz方法通过同时估计和优化,最小化投资组合权重均方误差,实现了更高的样本外夏普比率与更低的权重波动性。实证基于多个美国股票投资组合数据,系统验证了Ortiz方法的优越性,表明优化过程中均值向量估计稳定性显著提升,投资组合权重更为稳定,投资组合收益风险表现明显改善。未来研究建议考虑均值和协方差矩阵的联合收缩优化 .
| 方法 | 平均权重标准差 |
|---|---|
| 传统方法 | 4.77 |
| Ortiz方法 | 0.16 |
| Jorion方法 | 0.73 |
标题:《马科维茨模型中均值的最优收缩 学海拾珠 系列之二百三十七》
作者:华安证券金工团队
发布日期:2025年6月4日
发布机构:华安证券研究所
研究主题:探讨现代投资组合理论(MPT)框架下,均值向量估计的不同方法对投资组合性能的影响,重点介绍了传统方法、James–Stein(Jorion)方法和Ortiz方法,比较了三者样本外夏普比率和投资组合权重波动性。
核心论点:
评级与目标价:无投资建议,纯研究总结性质。
主要信息传达:作者强调通过最小化投资组合权重均方误差的收缩方法在优化均值向量时表现优异,是改进现代投资组合理论稳定性和性能的有效路径。,1,2,15]
报告关注MPT中参数估计的局限性,特别是均值向量的估计误差对投资组合权重及性能的影响。传统基于历史回报数据的均值估计易受样本规模限制及风险资产收益动态变化影响,导致权重估计偏离且样本外表现较差。
报告引入James–Stein类型的均值收缩(Jorion,1985,1986)及Ortiz(2023)方法,后者结合多元线性回归与优化的等价性,通过最小化投资组合权重均方误差实现均值收缩。文献指出,仅优化均值的收缩(Alexander等早期研究基础)无法有效兼顾权重稳定性,而Ortiz方法能显著提升权重稳定性和样本外夏普比率。,1,2]
传统方法:无偏最小方差估计,直接用历史样本均值和协方差估计。优点在大样本下有效,但样本不足时表现欠佳,尤其是权重波动和超调现象明显,对市场变化适应性弱。
Jorion方法(James–Stein均值收缩):此方法将均值向量收缩到其总体均值(均值的均值),通过收缩参数δ调整收缩强度,理论基础为经验贝叶斯估计。其核心是降低估计偏差,但该方法最小化的是均值估计误差,而非直接针对组合权重波动,因此权重波动性仍可能较大。
Ortiz方法:基于Britten-Jones(1999)提出的投资组合优化与多元线性回归的等价性,利用最小化投资组合权重均方误差作为收缩目标。具体实现为在普通最小二乘回归中,令解释变量为资产风险溢价,回归系数为组合权重。通过对协方差矩阵的收缩并计算均值收缩参数δ,使投资组合权重的方差极小化,导致投资组合权重变得更加稳定。
该方法不同于Jorion,后者针对均值误差最小化,Ortiz方法直接针对决策变量(组合权重)的稳定性提高,体现了估计与优化同步进行的优势。,3,4]
报告中模型参数为无风险利率r_f、风险溢价向量π及协方差矩阵Σ。投资组合权重按Max夏普比率确定,即切线组合权重:
[ \mathbf{w}^* = \frac{\Sigma^{-1} \pi}{\mathbf{1}^\top \Sigma^{-1}\pi} ]
估计权重关键依赖于对π和Σ的估算。本报告重点改进π估计,采取三种方法,Σ协方差采用传统估计。
[ \hat{\rho} = \frac{n+2}{(n+2) + (\hat{\pi} - \hat{\pi}_0 \mathbf{1})^\top \hat{\Sigma}^{-1} T (\hat{\pi} - \hat{\pi}_0 \mathbf{1})} ]
其中π^0为均值的均值。
评估通过样本外测试,针对移动滚动窗口(样本大小m),逐步更新权重计算和预测下一期超额回报。
性能指标:
数据集涵盖多种股票组合和工业行业投资组合,时间跨度涵盖1926年至2024年,美股市场为主。
结果明显示,1/n简单均权在小样本内表现更优,但随着样本规模增大,Ortiz方法的样本外夏普比率超过其他方法。Jorion方法在部分样本规模下表现仅次于Ortiz,传统方法最差。
投组合权重波动率方面,Ortiz方法远低于传统和Jorion方法,表明其稳定性更好。,6,7,8]
本报告非典型公司估值报告,无传统意义的估值模型应用。核心在于解释三种均值向量估计方式对现代投资组合权重计算和表现的影响。其"估值"对应投资组合优化中权重的稳定性和夏普比率,这里:
因此,本报告在估值角度主要对组合权重的方差和投资组合绩效指标夏普比率进行“估价值”和稳定性的评价,偏向定量风险管理模型论证范畴。,4,15]
报告中的风险提示主要包括:
该风险分析展示了研究的局限及挑战,且报告明确未将研究结果作为投资决策依据,提示使用者谨慎对待。,15]
总体,报告逻辑严密、数据详实,方法创新突出,但仍需结合实际市场状态及更广泛参数调整认知局限,方能完善。,15]
本文深刻探讨了现代投资组合理论中的均值向量估计方法,比较了传统无偏估计、James-Stein类型(Jorion)均值收缩以及Ortiz基于多元回归和权重均方误差最小化的收缩方法。研究结论和图表数据可以归纳如下:
传统估计方法因小样本、收益参数动态变化及市场不稳定,导致极端组合权重波动,增加交易成本且样本外表现不佳(夏普比率低)。
Jorion方法通过均值收缩降低了均值估计误差,样本外夏普比率优于传统方法,但投资组合权重仍处于较高波动,导致操作复杂性依然较大。
Ortiz方法创新性地将估计和优化统一,其中权重均方误差作为收缩参量的目标函数,实现均值向量向总体均值的最优收缩。结果显示:
实证使用多种投资组合和广泛时间区间数据,验证结果稳健。图表1框架总结-图表20权重及均值波动对比详尽呈现。
报告明确方法局限与未来展望,建议结合协方差矩阵收缩进行联合优化,探讨资产组合优越性的深层原因以及样本规模确定的最优区间。
总结:本文立足于现代投资组合理论核心参数估计的挑战,提出并验证了基于最小化投资组合权重均方误差的均值收缩方法(Ortiz),显示该方法能有效提升组合稳定性和超额风险调整收益,推动了MPT理论的实务适用性和模型优化研究,是投资组合构建中参数估计和风险控制的前沿进展。
图表2:多变量均值估计的均方误差示例
该图明显显示随着均值收缩程度δ增加,均方误差先降后增,存在唯一最优点,确认了Ortiz方法寻优收缩的理论基础。
图表3:样本外夏普比率:30个等权重工业行业组合的风险溢价
显示在较大样本到达一定阈值后Ortiz曲线显著领先,证明其优越的样本外表现。
图表8与图表9:传统方法与Ortiz方法下的投资组合权重标准差对比(30个工业股票)
本文内容系统、丰富且技术性强,围绕“均值向量估计收缩”主题,结合现代投资组合理论,采用严谨的实证分析和理论推导,提出了一种优化实务中投资组合稳定性和性能的创新方法,具有一定的学术价值和应用前景。投资者与量化研究人员可依据本研究思路进一步探索多参数同步优化框架,提升投资组合的风险调整收益与稳定性。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
【华安金工】马科维茨模型中均值的最优收缩 ——“学海拾珠”系列之二百三十七.pdf