奖励惩罚机制下最坏情况CVaR的稳健投资组合

01 摘要

论文在资产损失联合分布不确定的设定下，将奖励惩罚机制引入稳健投资组合选择，目标是最小化最坏情况CVaR。作者首先给出最坏情况CVaR的显式闭式表达式，该表达式推广了Jagannathan (1977)、Chen et al. (2011)和Cai et al. (2024)等结果；随后在经典及广义均值-协方差分布集下求解最优配置。作者基于真实市场数据的实验表明，所提模型有潜力优于若干现有模型，纳入下行风险有助于改善风险管理并可能提升收益，且预期收益与最坏情况CVaR控制之间存在权衡。上述实证结果为作者观点，需独立验证。

02 关键点

1. 推导出奖励惩罚机制下最坏情况CVaR的显式闭式表达式，统一并推广了若干已有模型。
2. 在经典均值-协方差分布集和Kang et al. (2019)的广义均值-协方差分布集下，得到最小化最坏情况CVaR的最优投资组合配置。
3. 真实市场数据实验显示，所提模型有潜力优于若干现有相关模型，且纳入下行风险有助于风险管理并可能提高收益。