Can optimal diversification beat the naive $1/N$ strategy in a highly correlated market? Empirical evidence from cryptocurrencies
创建于 更新于
摘要
本研究系统地考察了多种条件均值-方差框架下的投资组合优化方法对加密货币市场投资组合表现的影响。通过比较传统样本均值、深度学习预测以及多变量GARCH模型估计的条件矩，以及引入交易成本惩罚项（周转率惩罚）和不同再平衡频率的作用，发现尽管加密货币资产高度相关，利用资产收益波动率的可预测性能显著改善风险调整表现，而利用收益率的可预测性则难以带来超额收益。此外，较低的估计量波动水平和合理的交易成本控制（如利用$L_1$周转率惩罚）有助于提升投资组合表现。实证结果显示，波动率时机策略在高相关市场中可略优于均等加权1/N策略，验证了波动率预测的经济价值 [page::0][page::3][page::11][page::24].
