6 votos

Entender el algoritmo de la cartera universal de Cover

Estoy tratando de implementar la estrategia del algoritmo de la Cartera Universal inspirada en el papel por el profesor Cover de Stanford.

En este momento estoy tratando de entender la lógica subyacente del algoritmo. Mi objetivo es implementar el algoritmo utilizando 8 ETFs (clasificados en 3 categorías: Acciones, Renta Fija y Materias Primas), para representar el "mercado".

Entiendo que la estrategia, basada en los rendimientos históricos, evalúa todas las carteras posibles con todas las combinaciones posibles de pesos y calcula el rendimiento de cada una.

Entonces la cartera universal es la cartera que es la media ponderada de todas estas posibles carteras, ponderadas por su rendimiento.

Para ponerlo en práctica, he aquí un resumen de mis pasos:

  • Reúne los precios históricos de un año (252 días de comilla)
  • Calcular la rentabilidad porcentual
  • En esta fase, calcularía la integral de la riqueza en todas las carteras para generar el peso

En este punto, estoy un poco perdido - ¿Cómo obtendría las ponderaciones de cada activo para reequilibrar la cartera?

¿Existe algún atajo directo para calcular los pesos? (Para referencia, estoy planeando implementar esto en Python

Gracias :)

Papel de referencia:

0 votos

Una pregunta interesante. Otra pregunta relacionada es "cuántos datos se necesitan". Sospecho (aunque nunca lo he visto discutir) que 1 año es lejos demasiado poco.

0 votos

@AlexC Según tengo entendido, el algoritmo utiliza los datos de años anteriores para seleccionar las ponderaciones iniciales de los activos. Después, se reequilibra periódicamente en función de los nuevos movimientos de precios. Así que creo que un año de datos podría ser suficiente para la configuración inicial

3voto

dmuir Puntos 146

Los pesos pueden ser ingenuos u optimizados para alguna métrica o su elección. Si su metodología de ponderación es arbitraria/ingenua, entonces un año de datos puede ser suficiente. El ejemplo que aparece en el enlace utiliza una ponderación 40/40/20 de acciones/bonos/oro, respectivamente.

Sin embargo, si estás optimizando algo (Omega, Sortino, Sharpe o cualquier otra métrica) probablemente quieras llegar a la conclusión de la ponderación utilizando mucho más que un año de datos, como insinuó @AlexC en los comentarios.

El siguiente enlace debería ayudar con la implementación de Python. El código no es mío y no he probado el código en absoluto, pero está bien marcado, y hay alguna información útil en los comentarios debajo de él.

https://www.quantopian.com/posts/universal-portfolios

2voto

Akash Puntos 8

La "magia" de Cover es el efecto de reequilibrio entre todas las multiplicidades de todas las carteras posibles. Al menos, asumiendo, o al menos permitiendo, un tiempo infinito.

En su forma presentada, toma 2 valores y construye 101 carteras, cada una de las cuales contiene proporciones enteras de 0-100% de cualquiera de ellos. Y REBALANCEAR TODOS ESOS MINUTOS / HORARIOS / DIARIOS / MENSUALES / MENSUALES etc. para mantener siempre la misma proporción fija. Esa es realmente la "salsa secreta". Realmente lo es.

Para entender la intuición que hay detrás de esto, hay que revisar un par de conceptos de vainilla de la matemática tradicional de carteras, y combinarlos. Pasar del caso discreto de un número infinito de carteras infinitamente pequeñas a una curva continua. Esto no difiere de la frontera de Markowitz entre las dos.

Cover simplemente demostró que, con suficiente tiempo, con MUCHO tiempo, el efecto de reequilibrio en toda la curva acabaría generando una rentabilidad media en toda la curva superior a la rentabilidad del mejor activo individual.

No se trata de una simple "reversión de la media" ni de un efecto de "impulso". Todas tus carteras tienen reversión de la media, pero estás corriendo con su impulso.

La intuición es el arrastre de la media varianza aritmética frente a la geométrica y el efecto de reequilibrio. Cualquiera que sea la rentabilidad real, la volatilidad y la correlación de los dos activos, las carteras reequilibradas tendrán una mejor relación riesgo-recompensa que su equivalente desnudo en toda la curva. La idea de Cover era demostrar que dejar correr las carteras ganadoras (de reequilibrio) garantizaría, al final, un rendimiento mejor que el del activo ganador. A (MUY) largo plazo.

Si no entiende la anomalía central aquí, pregúntese cuál es la probabilidad de que cualquier mercado suba un X% antes de bajar un X%. Si quieres decirme que es un 50:50, entonces la apuesta teóricamente óptima es apostar una cuarta parte de mi patrimonio a que es bajista :-) Sí, es una locura; pero no está mal... el mercado se dobla o se pone a cero cada día, ¿comprar o vender para aguantar? Lo mismo ocurre en menor medida con las "apuestas justas" en general.

Por lo tanto, cualquier inversión justa, es decir, de rendimiento esperado cero a largo plazo, tiene que tener un rendimiento esperado (PEQUEÑO) positivo a corto plazo.

La "Cartera Universal" de Cover es simplemente un algoritmo que explota este efecto y su "prueba" es simplemente que, con un tiempo infinito, las ganancias de rebalanceo a través del espectro de pesos terminarán superando el diferencial de rendimiento entre los activos de la muestra.

Esa es la lógica (y probada, asumiendo que los supuestos tradicionales con respecto a la normalidad se mantienen).

Lo mejor, W

1voto

conmulligan Puntos 3207

Entiendo que es efectivamente una distribución de Gibbs sobre las acciones de la cartera con la temperatura 1 y la energía es la riqueza de la cartera bajo una acción dada de la cartera. Algunas personas en ML podrían pensar en esto como la media de una distribución softmax.

Todavía no me resulta evidente por qué el media de la distribución y no la moda o el máximo es la acción.

Creo que este libro tiene algo sobre esto en el capítulo 9 o 10. Algo sobre la equivalencia en algún sentido a una predicción de mezcla https://www.amazon.co.uk/Prediction-Learning-Games-Nicolo-Cesa-Bianchi/dp/0521841089

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X