추정 오류 감소를 목적으로 수축 방법을 이용한 포트폴리오 최적화

Abstract

추정 오류가 존재하지 않은 경우, 평균-분산 최적화는 가장 높은 Sharpe Ratio를 달성한다. 하지만 추정 오류로 인해 실제 투자 성과는 1/N 보다 못한 경우가 많다. 고유값 분해를 통해 평균-분산 최적화(MVO)의 문제점인 “문제 포트폴리오”를 식별하고, 문제 포트폴리오의 투자 비중을 줄임으로써 MVO의 문제를 해결하는 최적화 방법 EPO를 제안한다. EPO의 장점은 첫째, 공분산 추정 오류의 영향 감소. 둘째, 신호(기대수익률) 추정 오류의 영향 감소. 셋째, 회전율 감소. 3가지 문제를 해결함으로써 성능이 개선된다. 추가적으로 산업 모멘텀(TSMOM, XSMOM, RSMOM)에 EPO를 적용한 결과 Fama-French 5 요인으로 설명되지 않은 상당한 초과수익률 개선을 보였다.