ポッドキャストアレクサンドル・アントノフ、マルコヴィッツのノイズを低減

ポートフォリオ構築とは、与えられた目的（典型的には目標ボラティリティまたはリスク調整後リターン）を達成するために、資産のコレクションにウェイトを配分する技術（および科学）です。

1952年に発表されたマーコウィッツの平均分散最適化モデルは、その欠点はよく知られているものの、これを行うためのベンチマークであり続けています。このプロセスでは、一連の資産の相関行列を計算し、それを反転させます。しかし、多数の資産に対してこの計算を実行するのは負担が大きく、ウェイトの推定値は時間の経過とともに不安定になる傾向があります。

アブダビ投資庁（Adia）のクォンツ・リサーチャー兼開発リード、アレクサンドル・アントノフは問題を要約しています。「相関）行列にはある種のノイズがあります。逆行列をとると、このノイズは増幅されます。その結果、最適なポートフォリオは日々大きく変動し、取引コストが増大する可能性があります。

Quantcastのこのエピソードでアントノフは、階層的リスクパリティ（HRP）と呼ばれるアプローチをどのように使えば、このような問題を克服し、資産ウェイトのよりロバストで安定した推定値を生み出すことができるかを説明します。

HRPは、アディアの定量的研究開発部門のグローバル共同責任者であるマルコス・ロペス・デ・プラドが2016年に開発しました。このアプローチは2つのステップで構成されています。まず、資産のクラスターを最適化し、最適化された多数のサブポートフォリオを構築します。次に、サブポートフォリオを組み合わせ、2回目の最適化を行います。基本的に、マーコウィッツの最適化は2回行われ、その都度、他の場合よりも構成要素が少ないポートフォリオで行われます。

このアプローチは、共分散行列の完全な知識を前提とするマーコウィッツの最小分散ポートフォリオと、相関関係の知識を前提としないリスクパリティの中間に位置します。

HRPの主な用途は、ノイズ推定値から直接導出される最適化重みの信頼レベルの推定です。

この当然の帰結として、ノイズレベルに基づいてクラスターを選択することで、長期的に安定したポートフォリオを構築することができます。

アントノフの最新論文は、ロペス・デ・プラドおよびアディアのクォンツR&D部門の共同責任者であるアレクサンダー・リプトンとの共著で、HRPとオリジナルのマーコウィッツ法を比較し、HRPがより頑健なリスクウェイトを生成することを発見しています。アノトノフの次のプロジェクトは、HRPをより現代的で洗練されたポートフォリオ構築手法と比較検証することです。

インデックス

00:00 イントロダクション

01:45 セルサイド・リサーチとバイサイド・リサーチ

03:47 マルコウィッツとノイズの多いデータ

09:07 階層的リスクパリティ

15:27 資産ウェイトの計算

17:00 なぜマーコヴィッツは今でも重要なのか？

21:21 HRPの応用

27:20 今後の研究プロジェクト

インタビューの全文をお聞きになりたい方は、上のプレーヤーでお聞きになるか、ダウンロードしてください。 Quantcastシリーズの今後のポッドキャストは Risk.netにアップロードされる予定です。また 、Spotify、 Amazon Music 、 iTunes Storeで聴くこともできます。