熵因子模型：基于信息论的稳健投资组合复制方法

01 摘要

本文提出熵因子模型（EFM）用于投资组合复制，分为两步：首先，对资产收益与目标因子进行建模，通过熵最小化原理在经验边界内估计参数；其次，利用同一熵方法确定最优复制权重。作者通过五个数值实验，包括标准股票跟踪、多资产合成和严重压力测试，将EFM与普通最小二乘法（OLS）进行比较。结果表明，EFM在年化换手率和净费用收益方面优于OLS，并在COVID-19市场崩盘和严重特质性数据损坏下，表现出防御性降低资本配置的特征。作者将此归因于熵框架作为“概率熔断机制”的作用。

02 关键点

1. 提出两阶段熵因子模型（EFM），统一使用费米-狄拉克熵解决参数估计和权重优化问题。
2. EFM通过数据驱动经验边界，减少对统计假设的依赖，增强模型稳健性。
3. 在五个数值实验中，EFM在年化换手率和净费用收益上优于OLS。
4. 在极端市场条件下，EFM自动减少受影响资产的配置，起到类似熔断机制的作用。
5. 该方法可推广到广义投资组合复制问题，如多资产合成等。