A novel robust mixed integer linear programming model for index tracking problem under no rebalancing: heuristic optimization approach
创建于 更新于
摘要
本文提出一种对指数跟踪问题具有鲁棒性的混合整数线性规划模型，并在不需要再平衡的前提下实现对基准的长期高精度跟踪。通过将相关性的下行偏差整合入模型并引入GALB启发式算法，能够在多市场数据上优于传统模型的外样本表现，同时在仅10只资产的子集上也能实现长期稳定跟踪，显著降低交易成本与操作复杂度。这一方法将全局搜索能力与局部搜索相结合，提升了求解效率与鲁棒性，尤其在NP-hard的问题规模上展现出优势。核心在于用鲁棒优化减少相关性估计的不确定性，并通过卡方/边界约束等实现现实世界的约束整合；实验结果显示，在Dow Jones、CAC 40、EURO STOXX 50等市场的对比中，所提模型在外样本上的跟踪误差显著下降，且无再平衡下的长期追踪能力突出。 [page::1]
