預測範圍內的再平衡是次優的嗎？
假設我有每天更新的 1 個月回報預測。比 1 個月（例如，每天或每週）更頻繁地重新平衡是否不是最佳選擇？從理論上講，如果我預測股票在一個月內的回報率為 1%，那麼如果我持有該股票 1 個月，我只會實現 1%（平均）。如果我的預測很嘈雜，並且我以比預測範圍更高的頻率重新平衡，那麼我可以想到一個場景，即我因為噪音而提前賣出股票。如果這是真的，那麼最佳的再平衡頻率是多少？
“比 1 個月（例如，每天或每週）更頻繁地重新平衡是否不是最理想的？”
這取決於情況。一方面，如果您每天重新平衡您的投資組合，您將更頻繁地更新投資組合的視圖，因此（平均而言）會隨著時間的推移更接近您的目標指標。通常，將更多（非雜訊）資訊納入您的預測模型會產生更好的預測準確性。
另一方面，減少再平衡頻率是降低成本的好方法，但會嚴重損害您的年化業績。如果您的金融產品有較高的交易成本（或其他額外的隱藏費用），那麼減少再平衡的頻率通常更有利。
"$$ … $$然後我可以想到一個場景，我會因為噪音而提前賣出股票。”
根據您的問題，我假設您有一個 $ h $ - 超前預測模型 $ f_{t+h}(r_t^d ; \theta) $ 帶有參數集 $ \theta $ ，這是根據每日退貨流程估算的 $ r_t^d $ . 此外，我假設固定視窗長度為 1 年（252 天）。
如果您通過對退貨流程進行稀疏抽樣來估計月度預測，從而計算出提前 1 步的預期， $ \mathbb{E}t\left[f{t+1}\right(r_{t}^m ; \hat{\theta}\left)\right] $ ，那麼您的月度預測可能包含較少的噪音，因為：該模型僅使用 12 個月度數據點來估計 $ \hat{\theta} $ 與 252 天（假設沒有穩定性問題）相反，在考慮月度回報時，每日抽樣回報中固有的噪音可能會減少。
另請注意，對嘈雜的估計進行再平衡不僅會造成您過早賣出股票的情況，而且還會造成您不必要地過度購買股票的情況。
“如果這是真的，最佳的再平衡頻率是多少？”
最佳再平衡頻率取決於幾個因素：
- **現實中的噪音是您的預測模型沒有考慮的重複模式嗎？**在這種情況下，您的數據中可能存在一些您不知道的隱藏特徵。對您的數據進行深入調查，可能會發現一種新的預測模式。將其納入您的模型將提高其預測準確性並減少雜訊，從而提供更好的投資組合權重。如果是這種情況，那麼進行每日再平衡計劃是有利的，除非：
- 再平衡的摩擦成本很高。交易成本、隔夜成本、滑點等都會降低您交易策略的年化表現。如果成本很高，那麼減少再平衡的頻率可能是理想的。
**最後，最好自己做分析：**做一個回測，比較不同成本方案下的不同再平衡頻率。在考慮保守的成本方案時，每日再平衡所提高的年化績效可能會完全降低，因此，每月再平衡頻率會更好（反之亦然）。DeMiguel , V.、Garlappi, L. 和 Uppal, R. (2009)的論文很好地閱讀瞭如何使用投資組合周轉率實施廣義交易成本方案。
我希望這能提供一些見解。