“学海拾珠”系列之二百二十：基于混合转移分布的投资组合优化方法

——“学海拾珠”系列之二百二十 主要观点： 分析师：严佳炜执业证书号：S0010520070001邮箱：yanjw@hazq.com ⚫网络同配性对于投资组合优化的实质性改进 本研究揭示了局部同配性度量在投资组合优化中的优势。具体而言，基于所选节点总同配性的投资组合构建方法，相较于加权平均方法，展现出了更佳的表现。这一发现表明了总同配性在有效利用分散化优势方面的重要性。同时，出(out)-入(in)和入(in)-出(out)模式在所有度量中的卓越表现，凸显了连接不同影响因素资产的关键作用。此外，将局部同配性框架扩展到有向网络，为资产间的方向性影响提供了新视角。本研究采用根植于现代投资组合理论的优化标准，如最大二次效用和最大夏普比率方法，研究结果在这些基准上的出色表现，为实践者提供了创新性的投资组合管理工具，凸显了网络理论在财务成果优化中的实用价值。 1.《模糊性会引发处置效应吗？——学海拾珠系列之二百一十九》 2.《国际主动型基金的持仓拥挤与业绩影响——学海拾珠系列之二百一十八》3.《回撤Beta与投资组合优化——学海拾珠系列之二百一十七》4.《国际股票市场中的因子动量与价格动量——学海拾珠系列之二百一十六》5.《基金中的策略背离、竞争与资金流动——学海拾珠系列之二百一十五》6.《如何通过技术指标预测市场波动性——学海拾珠系列之二百一十四》7.《战术性资产配置与宏观经济因素——学海拾珠系列之二百一十三》 ⚫混合转移分布模型局限性尚存 本研究仍存在一些局限性：混合转移分布（MTD）模型虽然能有效捕捉非线性依赖性，但其计算复杂性可能限制了在更大规模金融网络或高频数据集上的可扩展性。此外，对局部同配性度量的过分关注可能会忽视其他可能有助于优化投资组合的网络属性。 核心内容摘选自R De Blasis, L Galati, F Petroni于2025年在Quantitative Finance上发表的论文《A mixture transition distributionapproach to portfolio optimization》。 ⚫风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 正文目录 1引言......................................................................................................................................................................................................42模型......................................................................................................................................................................................................62.1金融网络的构建.........................................................................................................................................................................72.2网络同配性..................................................................................................................................................................................82.3组合优化......................................................................................................................................................................................93实证应用............................................................................................................................................................................................103.1数据和样本................................................................................................................................................................................103.2实证发现....................................................................................................................................................................................144结论....................................................................................................................................................................................................20风险提示：.............................................................................................................................................................................................21 图表目录 图表1文章框架...........................................................................................................................................................................................................4图表2三个市场在不同同配性模式下的局部同配性分析.........................................................................................................................12图表3顶点同配性与超额出强度之间的关系................................................................................................................................................14图表4道琼斯30样本外结果..............................................................................................................................................................................16图表5欧元斯托克50样本外结果....................................................................................................................................................................18图表6富时100指数样本外结果......................................................................................................................................................................20 1引言 资料来源：华安证券研究所整理 深入理解金融资产之间错综复杂的关系及其动态表现，对于金融市场中的投资组合管理至关重要。网络理论近期已成为分析此类关系的有力工具，它利用相关矩阵作为构建资产网络的基础，其中节点代表证券，连线代表它们之间的相互联系。这些网络通常会经历过滤过程，如最小生成树（例如，Mantegna，1999年）、平面最大过滤图（例如，Tumminello等人，2005年）、三角最大过滤图（例如，Massara等人，2017年）或相关性阈值（例如，Ricca和Scozzari，2024年），以管理其密度。然而，这些方法在全面捕捉金融资产之间的非线性依赖关系方面存在局限性。近期的发展，如DAmico等人（2023年）提出的混合转移分布（MTD）模型，通过建模非线性关系并生成有向加权网络，解决了这些不足。基于这些进展，本文提出了一种采用基于MTD的金融资产网络来表示资产之间复杂依赖关系的新型投资组合优化方法。 网络理论在金融市场中最早的应用之一是由曼特格纳（Mantegna，1999年）提出的，他分析了道琼斯工业平均指数（DJIA）和标准普尔500指数（S&P 500）的收益率。曼特格纳（1999年）通过从收益率相关性中推导出一种距离度量，采用最小生成树（MST）方法构建了网络，该方法将连接数减少到n-1个，其中n代表资产数量。该方法揭示出相互关联的股票往往按行业聚类。在此基础上，翁内拉等人（Onnela et al.，2003年）通过构建纽约证券交易所（NYSE）交易的477只股票 的网络，提出了动态资产图。尽管他们仍然依赖收益率相关性，但仅保留了最接近的n-1个节点，从而形成了图结构而非树结构。沿着这一研究方向，谢（Tse）等人（2010年）开发了一个包含19,807个节点的美国股票综合网络，如果股票的相关性超过特定阈值，则将它们连接起来。最近，利奥克萨等人（Ly´ocsa et al.，2012年）应用动态条件相关（DCC）方法构建了标准普尔500指数成分股的网络，而郭等人（Guoet al.，2022年）则引入了一种最大似然估计方法来确定特定股票的阈值，他们发现传统的移动窗口方法在捕捉行业集群方面表现出更强的稳健性。 相反，图米内洛等人（Tumminello et al.，2005年）引入了一种启发式算法来构建平面最大过滤图（PMFG），作为过滤相关性矩阵的替代方法。该方法被应用于分析2001年至2003年期间纽约证券交易所（NY