Метод оптимізації середньої дисперсії на основі Монте-Карло

Мені було запропоновано це питання в інтерв'ю кілька років тому. Це вразило мене як погано сформоване питання. Я думав, що поставить його там, щоб побачити, чи я щось просто пропустив.

Problem Statement For n assets, you are given expected returns (ER), variances (V) and covariances. Your task is to write Monte Carlo based mean variance optimization that will:

  1. Надайте набір ефективних портфелів зі зростаючою мінливістю/віддачею.
  2. Знайдіть мінімальний портфель варіантів
  3. Знайдіть найвищий портфель співвідношення sharpe.

Портфелі повинні мати такі обмеження:

  1. No shorting (all weights >= 0)
  2. No leverage (sum of all weights = 100%).

Why I think this is poorly stated problem I understand MVO and MC. The only context I have seen MC in a MVO concept is where MC is utilized to make random draws from a chosen distribution to arrive at an ER and Covariance Matrix. Those however are given here.

If I am wrong here then what is the MC random draws in this case - the asset weights?

4
Спасибі Джону. Я думав, що наше наміри полягає в тому, щоб створити традиційний MVO з наданими вкладами, а потім створити resampled MVO, використовуючи f перестановки на початкових входах, як це. corporate.morningstar.com/ib/documents/MethodologyDocuments/‌ & hellip ; я запитував інтерв'юера, але не отримав додаткового введення. З плином часу я виконував пошуки Google, але не знайшов нічого чіткого. Таким чином, я тут виклав це.
додано Автор gnosis, джерело
Як ви сказали, я погоджуюся з тим, що він погано виражений. Навіть якщо ви відібрали дані про повернення з Монте-Карло, ви все-таки могли б передавати очікувані прибутки та коваріації цього результату для будь-якого оптимізатора портфеля. Можливо, це означало перезавантаження Міше, але просто сказати, що МВО на основі MC є надто розпливчастим.
додано Автор John, джерело
Процедура ресампліфікації в цьому документі така сама, якою я думав. Я б не підкреслив це надто багато: чи хотіли б ви дійсно працювати для когось, хто не може озвучити свої питання інтерв'ю?
додано Автор John, джерело

1 Відповіді

I believe the question to be too vague to be a good interview question. If you want to do Mean Variance Optimization (MVO) it's hard to see the point of Monte Carlo simulation. One of the good thing of MVO is its analytic tractability. Clearly, the topic is not widely discussed as this Google Search has this question as the first result (I was in incognito mode). The first linked paper by Xu would not be appropriate for any interview. Wikipedia mentions the usage of Monte Carlo for extensions of MVO but not for classical MVO itself.

Висновок: я не вірю, що ви помиляєтеся. Вони могли б означати інші речі, але тоді можна багато вибрати, наприклад Мішето ресамплінг, як це запропонував Джон та вище.

3
додано
Wrt на вашу думку про розширення Монте-Карло для MVO. Синхронізація Монте-Карло також використовується для оптимізації середнього CVar/ES. Проте це не означає різницю. Якщо хтось дає вам середню та коваріацію, то вони явно означають, що вам не потрібно боротися з виноградом (вибрати одне з розділів у Вікіпедії). Навіть якщо б вони давали вам виноградні соуси, то ви все-таки могли б генерувати розподіл з Монте-Карло, обчислити середню та коваріантність моделювання та передавати його оптимізатору.
додано Автор John, джерело