均變異數
均值變異數投資組合優化是否為使用它的人提供了真正的優勢？
均值變異數優化 (MVO) 是一個 50 多年的概念，也許是量化金融的第一個開創性思想。儘管如此，據我所知，美國祇有不到 25% 的 AUM 是量化管理的。雖然少數基本面經理使用 MVO，但由於統計套利和經常使用優化但不使用 MVO 的 HF 策略抵消了這一點，因此未使用 Markowitz 的發明分配的 AUM 的百分比肯定不少於 70%。我的問題：
- 如果 MVO 是一個好主意，為什麼這麼久以來，很少有人使用它？
- 如果 MVO 是個壞主意，那麼像 Axioma、Northfield 和 Barra 這樣的公司怎麼還能從中賺錢呢？
- 目前使用者和非使用者的混合平衡是否有理由？
關於我剛才所說的一些警告：i）也許金融中第一個也是最重要的想法是國家或有資產，這是阿羅的；ii) 我專注於買方。我相信優化被廣泛用於賣方的對沖。
嘿，現在還為時尚早。畢竟它仍然被稱為現代投資組合理論。
我認為有兩個主要問題，它們都是真正的文化問題：
- 指定 alpha 2) 狂野的結果
阿爾法
我同意 Gappy 的觀點，即 alpha 是你需要有效率的關鍵（除非你做的是最小變異數）。對於量化經理來說，擁有一個預期收益向量是很自然的事情。但這對基本面的經理人來說是陌生的。他們必須將他們的觀點映射到宇宙中每個資產的數字。這不一定是一件容易的事，而且可能看起來很忙。
我提出了一種優化方法，可以最大限度地減少與理想目標投資組合的距離（受約束）。但我並沒有完全被基本面的經理人大聲疾呼。
狂野的答案
如果你按照教科書優化的說法，你可能會做一些非常奇怪的事情。這使得優化在許多方面都名聲不佳。解決方案非常簡單：要麼施加營業額約束，要麼增加交易成本來解釋預期收益的不確定性（以及變異數矩陣的不確定性）。使用交易成本是更好的方法，但正確處理交易成本本身就是一個項目。