本文提出一种基于最大熵均值法(maximum entropy in the mean)的非参数模型自由方法,用于在不完全市场中通过变形函数确定资产定价,进而估计资产初始价格符合买卖价差范围。通过估计的保守市场价格,解决了传统风险中性定价难以适用时的投资组合优化问题。实证中对7只NYSE股票的单期投资组合优化显示,基于MEM估计的价格能显著提升组合表现,展示了该方法在不完全市场投资组合优化的实用价值.
| 方法 | 0分位(Q0) | 1分位(Q1) | 中位数(Median) | 3分位(Q3) | 4分位(Q4) |
|---|---|---|---|---|---|
| 指数效用S(0)current | 0.923 | 0.985 | 1.015 | 1.045 | 1.118 |
| 指数效用S(0)mem | 1.261 | 1.361 | 1.407 | 1.451 | 1.561 |
| 均值方差S(0)current | 0.919 | 0.986 | 1.014 | 1.039 | 1.105 |
| 均值方差S(0)mem | 1.251 | 1.352 | 1.392 | 1.433 | 1.526 |
作者:Argimiro Arratia, Henryk Gzyl
发表于 Computational Economics, 2020年
本报告题为《Portfolio optimization in incomplete markets and price constraints determined by maximum entropy in the mean》,由Argimiro Arratia和Henryk Gzyl撰写,发表于2020年。《Computational Economics》杂志。主题聚焦于不完全市场中的资产定价与投资组合优化,特别是解决当市场不完全且风险中性测度非唯一时,如何利用最大熵方法调整资产价格以符合价格区间(买卖价差)约束。报告提出以最大熵法(Maximum Entropy in the Mean,MEM)估计扭曲函数,从而获得风险中性测度的替代方案,以确定资产保守价格供优化使用。核心论断是:在缺乏唯一风险中性测度的情形下,可利用买卖价差数据和最大熵方法有效确定资产当前价格,实现组合优化,且数值模拟结果展示了改进后的资产价格对组合收益的积极影响。,
本章着眼于投资组合优化的核心,即在资本约束下权衡收益与风险。经典模型如Markowitz(1952)模型通过方差作为风险度量,将优化问题转化为在给定预期收益下方差最小化。其风险中性测度前提下,资产价格等价于风险中性测度下的贴现期望。但市场不完全情况下,风险中性测度非唯一导致资产价格区间出现,形成所谓买卖差价。本章为后续提出由买卖价格区间导出资产价格的思路奠定基础。
市场不完全性导致无法单纯依赖无套利和风险中性测度定价,且资产初始价格可能仅知买卖区间。文中提及Madan (2016) 推出的“锥形投资组合理论”,借鉴保险行业风险分析引入扭曲函数估计买卖价格,形成与风险中性测度不同的风险定价方法。作者区别于该思路,将资产视为买卖差价范围内的一组风险的价格集合,寻求一个扭曲函数使得计算出的资产价格严格落在买卖价差内。其数值方法通过最大熵均值法寻求该扭曲函数,优势在于无模型假设,无需参数校准。历史渊源指向Jaynes(1957)的最大熵原理及其对矩问题的应用基础。
报告结构清晰分为以下部分:
构造两时期模型,基础资产初始价格(Si(0))给定,终期价格(Si(1))为正随机变量,分布函数Fi已知。物理测度P描述统计规律。保险业中类似模型仅观察损失随机变量,无初始价格。资产的定价目标即为如何确定随机值X的价格。
风险中性测度集合Me定义为满足贴现期望等于初始价格的测度集合。市场完全时唯一,资产价格唯一;不完全时存在价格区间
b(X)=exp(−r)Q∈MeinfEQ[X],a(X)=exp(−r)Q∈MesupEQ[X].实际Me不知或资产初始价格未完全确定时,此定义无法直接计算,进入两价经济模型框架。
采用Föllmer和Schied的风险测度理论,以一类概率P替代风险中性测度集合,定义买卖价差:
b(X)=Q∈PinfEQ[X],a(X)=Q∈PsupEQ[X].这里买卖差价范围视作市场观测数据或日内高低价数据的估计区间。
定义了风险测度的四大特性(单调性、次可加性、齐次性、平移不变性),形成“相干风险测度”体系,弱化次可加性与齐次性到凸性得到凸风险测度。其重要定理表明:
任一下半连续相干风险测度可表示为一类概率集Q下的期望下界。该概率集称为“广义情景”。
联系买价b(X)和这种风险测度的定义,表明买价本质上是相干风险测度的实例,奠定此买卖价差方法与风险测度相统一的理论基础。
保险精算中的保费原则满足类似性质,且可以用扭曲函数g表征保费:
π(X)=∫0∞g(FX(x))dx,其中FX=1−FX是余概率函数,扭曲函数具有单调性和凹性,且完全由对伯努利分布的定价方式唯一决定。该保险定价的风险测度视角为本文提出基于买卖价差拟合扭曲函数定价提供方法论支撑。
实际问题转化为:找一个连续可微、凹的扭曲函数g,使得对基础资产分布的扭曲期望贴现价落在相应买卖价差内。通过换元与求导引入函数ϕ(u)=g′(1−u),其单调性对应扭曲函数凹性约束。变分问题化为线性算子B作用在ϕ上的区间约束:
e−r∫01qi(u)ϕ(u)du∈(bi,ai),i=1,…,M其中qi(u)=Fi−1(u)是分位数函数。
通过构造新概率Q与原概率P的Radon–Nikodym导数Λ=ψ′(F(S))建立扭曲概率与风险中性概率的联系。定理3给出,核查互逆操作,从扭曲函数构造风险中性测度,从风险中性测度反推扭曲函数,且均满足价格区间约束。该定理得到了数学化的统一表述和证明基础(附录6.2)。
将区间[0,1]划分为N等份,定义离散变量ϕj作为ϕ(⋅)在区间端点的均值,矩阵B与分位数函数结合构造约束系统
Bϕ∈K=i=1∏M[bi,ai],0<ϕ1<ϕ2<⋯<ϕN,转成线性不等式约束的凸优化问题。
通过引入下三角矩阵T,设ϕ=Tξ,将约束改写为
Aξ∈K,ξ≥0.得到下界为0的凸线性问题,适合最大熵均值方法(MEM)求解。
MEM通过定义ξ=EP[X],其中P是待优化的概率分布,以最大化该分布熵函数为目标,在满足线性约束的条件下求得ξ的概率描述。分别给出有界(ξj∈[0,L])和无界(ξj∈[0,∞))两种情形的解析形式,λ∗是通过对偶优化确定的拉格朗日乘子,熵最大化及其对应目标函数Σ(λ)形式在附录6.1详细介绍。
标准组合优化为效用函数U最大化问题,约束包括投资组合成本不超过起始资本C0,且仅持有多头仓位(非负权重)。资产初始价格一般通过风险中性测度风险贴现计算得出
Si(0)=e−rEQ[Si(1)].然而不完全市场未必有唯一Q,初始价格未知或冲突,传统方法无效。本文创新在于用最大熵扭曲函数Sid(0)计算“保守”市场价格,作为约束替代,结合物理概率P进行效用最大化。
选择指数效用U(c)=1−exp(−c),等价于最小化
V(h)=EP[exp(−⟨h,S(1)⟩)]在约束⟨h,Sd(0)⟩=C0,hi≥0 下的凸优化问题。
选取七只在NYSE交易的随机公司股票(ALB,AAPL,APC,GE,WFC,HAL,SHW),数据范围2000年1月1日至2016年12月29日。设定起始资本C0=105单位货币,月度频率样本。比较利用最大熵估计的初始价格(MEM方法)与当前观测价格进行组合优化得到的投资组合收益表现。数据预处理:
表1显示各股票对应时间点(2008年12月29日)下的买卖价区间、当前观测价及通过MEM有界与无界方法估计的价格。结果明显,MEM两种方法价格接近,且均位于买卖价区间内部或边缘,证明了方法可操作性和合理性,实验后续采用无界MEM形式。
采用Markowitz经典均值方差模型,约束无空头,定义目标函数及参数:
wmaxμTw−2γwTΣw,s.t. wT1=1,w≥0.风险厌恶系数γ≥102时,可获得最小方差配置。实证中股价收益的均值量级10−2,方差量级10−4,与风险厌恶参数相匹配。
采用滚动窗口法,窗口长度5年,步长1年,共13期样本。图1和图2展示不同月份对应以最大熵估计初始价格和当前观测初始价格两种方法优化投资组合后收益的箱型分布。结果显示,除了2008年金融危机那个月份,MEM估计的组合策略表现优越,收益率各分位数明显高于传统价格下策略。该结论在表2中具体数字体现。实验采用CVX与R语言实现,保证方法可复现性。
本研究解决了投资组合优化中成本约束条件下,初始资产价格缺失问题。利用非参数且无模型假设的最大熵均值方法,在已知买卖价格区间的前提下高效估计出符合区间的“保守市场价格”。该价格作为组合约束,使得投资组合优化过程得以顺利执行,回测结果佐证方法有效性。保险风险定价理论的引入与风险中性测度数学等价性统一了两个领域的思想。组合优化部分则利用指数效用与熵最优化之间的关系,使问题凸化,利于数值计算。
| 资产 | 当前价 S(0) | MEM有界价 (L=102) | MEM无界价 | 买价(Bid) | 卖价(Ask) |
|---|---|---|---|---|---|
| ALB | 20.04 | 27.296 | 27.301 | 26.976 | 27.659 |
| AAPL | 13.53 | 11.765 | 11.765 | 11.405 | 11.765 |
| APC | 40.07 | 45.125 | 45.133 | 44.594 | 45.858 |
| GE | 16.37 | 33.628 | 33.711 | 33.558 | 34.074 |
| WFC | 28.37 | 31.389 | 31.389 | 31.389 | 32.087 |
| HAL | 17.38 | 29.563 | 29.569 | 29.168 | 29.968 |
| SHW | 59.91 | 50.979 | 51.013 | 50.863 | 51.997 |
解析:
| 方法 | Qo | Q1 | Median | Q3 | Q4 |
|---|---|---|---|---|---|
| EU S(0)当前 | 0.923 | 0.985 | 1.015 | 1.045 | 1.118 |
| EU S(0)MEM | 1.261 | 1.361 | 1.407 | 1.451 | 1.561 |
| MV S(0)当前 | 0.919 | 0.986 | 1.014 | 1.039 | 1.105 |
| MV S(0)MEM | 1.251 | 1.352 | 1.392 | 1.433 | 1.526 |
解析:
两图分别显示13个滚动窗口中,基于指数效用和均值方差两种组合优化方法,在当前观察价和MEM估计价两种条件下的组合收益分布。一般:
本报告核心估值方法是基于最大熵均值方法(MEM),在如下设定下求解资产价格区间内的扭曲函数ϕ:
此方法不依赖风险中性测度的显式假设,无需参数拟合,纯数据驱动,具备较强的适应性和计算可行性,且通过数值实验验证有效性。,16-17]
报告未专门列出风险因素章节,但从内容可归纳市场风险及方法风险如下:
报告对风险的缓解在于无模型参数且基于最大熵原则的严格数学基础,有较好理论保障,且数值方法适用凸优化问题,稳定性好。
总体而言,报告理论扎实,方法创新但部分现实限制及假设隐含风险需后续研究进一步检验。,
本文深入探讨了不完全市场中资产价格估计与组合优化问题,重点在于价格不唯一性和买卖价差区间限制。针对这一问题,作者提出借助最大熵均值方法估计扭曲风险中性测度,通过买卖价差数据推导资产“保守价格”,此价格随后用于组合成本约束,解决传统风险中性测度不可用困境。
核心成果:
图表数据有效支持了报告结论,表1确认了估计价格的合理性及与买卖区间的匹配,表2和图1-2则展示了基于MEM估计价格优化组合带来的明显收益提升。总的来看,本文填补了组合优化起始价格不可知的理论和实务空白,提出的方法为不完全市场下组合风险管理提供了有效的新工具。,
(全文溯源页码均以[page::x]形式标识,具体内容详见原文第x页)
2507.07053.pdf