Modelo de Estrategia de Riesgo y Asignación de Cartera (copiado de nuclear phynance)

Question

Aquí hay una pregunta muy interesante que encontré en Nuclear Phynance (autor original: Strange); pensé que era tan interesante que valía la pena hacerla aquí:

Tengo $N$ estrategias, en una variedad de activos y periodos de tiempo (desde intra-día hasta periodos de retención de un mes). Cada estrategia es algo así como neutral al mercado y principalmente lleva riesgo idiosincrático. Dado que todos sabemos que esto no es realmente cierto, evalúo el riesgo del factor de mercado para cada posición de estrategia (delta, vega, correlación, cualquier cosa aplicable) para comprender mi riesgo sistémico/de brecha. Por otro lado, las estrategias pueden fallar debido a razones idiosincráticas - alguna acción se va a la bancarrota como Enron en una de mis estrategias nominales individuales o tal vez Obama decide vender toneladas de skew de S&P para mejorar el ánimo. Este es un riesgo no controlable que simplemente necesito diversificar.

Entonces, esto plantea varias preguntas:

1. suponiendo que tengo el modelado de riesgo de mercado bajo control, ¿cómo asigno un valor de riesgo idiosincrático a una estrategia? Estaba pensando en algún tipo de proceso de Poisson, pero ni siquiera puedo pensar en cómo combinar adecuadamente múltiples distribuciones en ese caso.
2. ¿hay una manera clara de construir un modelo de asignación de cartera que por un lado neutralice el riesgo de mercado pero que por otro lado mantenga el riesgo idiosincrático lo suficientemente diverso como para que yo pueda dormir por la noche?
3. ¿cómo incluyo la naturaleza dinámica de cada estrategia en el proceso de asignación? Por ejemplo, algunas estrategias son específicas de la fecha de vencimiento, algunas disparan con bastante poca frecuencia, etc. ¿Asigno dólares fijos? ¿Miro las nuevas señales y asigno dado el riesgo actual en la cartera?

Answer 1

Acerca del tercer punto (es decir, cómo incluir la naturaleza dinámica de cada estrategia):

La mejor y rigurosa forma de hacerlo es utilizando el control estocástico:

• necesitas una función de utilidad (para equilibrar la expectativa con el riesgo)
• tienes tiempos de parada para entrar o salir de tus estrategias (de hecho, probablemente tengas leyes de los tiempos de parada, al principio puedes asumir que son procesos de Poisson independientes)
• y conoces la ley de los retornos esperados (gracias a tus backtests)

Así que puedes implementar un esquema hacia atrás para obtener una buena mezcla de tus estrategias. Idealmente (y para mantener tus cálculos simples) necesitas un tiempo final, tomar un múltiplo de todas las expectativas de tus procesos de Poisson.

Answer 2

Una forma de pensar en ello sería modelar cada estrategia como si fuera una acción o índice. Incluso si las estrategias mismas tienen períodos de tenencia o activos diferentes, todas tienen fundamentalmente un PnL cada día que puedes analizar.

Por lo tanto, modelarías las estrategias y cualquier otro factor de riesgo del que estés preocupado con tu exposición. Las estrategias tienen exposiciones potencialmente variables en el tiempo a los mercados que necesitarías tener en cuenta, como a través de una cópula DCC.

Luego podrías aplicar optimización de carteras para algún horizonte de tiempo genérico con restricciones en el riesgo total y factores de riesgo para asegurar neutralidad de mercado o factores.

Answer 3

Sí, inicialmente pensé en modelar cada estrategia como un activo y simplemente intentar asignar utilizando algún tipo de frontera eficiente. Esto es un poco aterrador, ya que terminas utilizando el rendimiento de las estrategias y "tu mayor pérdida está por delante".

Answer 4

Aquí hay un enfoque interesante para abordar el problema de asignación de múltiples estrategias del artículo: All that Glitters Is Not Gold: Comparing Backtest and Out-of-Sample Performance on a Large Cohort of Trading Algorithms

Los autores utilizan clasificadores de aprendizaje automático no lineales para determinar qué es importante en la selección de estrategias.

Aunque los autores no se centran en minimizar el riesgo idiosincrásico, abordan el problema del sobreajuste basado en el rendimiento histórico con otros enfoques como el enfoque de kelly/varianza media. Este trabajo también podría extenderse para incluir más factores de riesgo idiosincrásicos. Podría utilizar, por ejemplo, el punto de referencia de cada estrategia.

All that Glitters Is Not Gold: Comparing Backtest and Out-of-Sample Performance on a Large Cohort of Trading Algorithms