金融工程行业分析：马科维茨模型中均值的最优收缩.pdf

金融工程行业分析：马科维茨模型中均值的最优收缩。本篇是学海拾珠系列第二百三十七篇，文章主要探讨了在现代投资 组合理论（MPT）框架下，均值向量估计对投资组合性能的影响。研 究发现将均值向量收缩到其总体均值的方法能够显著提高样本外夏普比 率并降低权重波动性。

现代投资组合理论（MPT）框架下，传统均值向量估计的局限性

传统的基于历史数据的参数估计方法在小样本和参数动态变化时表 现不佳，导致投资组合权重波动大、样本外夏普比率低。本文比较了传 统方法、James–Stein 和 Ortiz 方法，以样本外夏普比率和权重波动性 为评估指标。

三种投资组合优化方法的比较

传统方法：依赖无偏和最小方差估计，适用于大样本场景，但在小 样本和市场变化时表现欠佳。Jorion 方法：引入均值收缩技术，通过 特定公式确定收缩水平，降低参数估计风险，提高均值估计稳定性，但 可能导致投资组合权重波动性较大。Ortiz 方法：结合多元线性回归， 收缩协方差矩阵，同时最小化投资组合权重的均方误差，能有效降低权 重波动性，提升样本外夏普比率，优化过程更稳定。

Ortiz 方法表现出更优的性能

研究表明，传统方法在样本外夏普比率和组合权重稳定性方面均不 如 James–Stein 方法。其中，Ortiz 方法提供了更稳定的组合权重估 计，并在样本外夏普比率方面优于其他方法。这一发现表明，通过同时 进行估计和优化，可有效降低组合权重的波动性，提高组合的稳定性和 风险调整后收益。