ファイナンス機械学習

ファイナンス機械学習 バックテスト7 機械学習によるアセットアロケーション

階層的リスクパリティアプローチ。階層的リスクパリティポートフォリオは、2次最適化法、クリティカルラインアルゴリズムの3つの課題(不安定性、集中性、アンダーパフォーマンス)に対応する。共分散行列に含まれる情報に基づき、分散されたポートフォリオを構築するために、グラフ理論と機械学習を応用する。実務的には、多数の機械学習戦略にまたがってアロケーションを決定する。

ポートフォリオの構築

共分散行列を活用し、リスクベースのアプローチ(リスクパリティ)が主流。リターンの予測を諦め、不安定性の問題を改善した。

相関構造は長期間に渡って合理的な信頼水準で安定することがないなど、多くの問題と長い歴史があり、階層的リスクパリティの処理を確認する。ツリークラスタリング、準対角化、再帰的二分の3つの段階があり、実装と数値例、実験、シミュレーションを通してその特性と優位性を確認した。

30ページほどで読み応えがありました。リスクパリティポートフォリオが生まれるまでの流れ、周辺の知識が網羅的に紹介されており、非常に勉強になりました。特殊な用語が多い気がしましたが、実装や図もあり理解の助けとなるものがあります。実際の運用事例でもその説得力が確認できます。