Are Three Matrices All You Need To Beat the Market? Observable Matrix Dynamics for Portfolio Optimization
创建于 更新于
摘要
本研究提出一个仅依赖日价格、成交量与市值的三矩阵框架来进行动态组合优化。通过将相关性转成距离矩阵（M = arccos C），以及将 trailing return 与 trailing volatility 转换为两条马尔可夫链的状态，本方法在不依赖矩阵求逆、使用稳健的分位排序、且具动态性下完成投资决策。实证结果显示，基于协变量条件化的风险与回报排序能够有效预测波动性排名（可一阶预测），而回报排名则近似不可预测；以此为基础构建的市场中性长短+长仓 sleeve 的组合在两个非重叠的外样本区间（2022–2024 与 2025–2026）相对市场具显著超额收益，夏普比显著提升且在考虑交易成本后仍具竞争力，残差距离的多样化进一步提升收益与风险特性；信息领导覆层还能在特定条件下提升下行时的防护效果。 [page::3][page::6][page::34]
