The impact of asset pre-selection for a cardinality constrained index tracking portfolio with optional enhancement
创建于 更新于
摘要
本研究将资产前选与权重估计分离，提出在指定基数下通过前向/向后筛选（OLS/LAD，可带/不带常数）来预选资产，再对选定子集进行权重优化以最小化跟踪误差，并通过移动窗口评估实现样本外表现。实证基于S&P 500数据，比较八种前选方法，结果显示：随着基数的放宽，样本内外的跟踪误差显著下降，交易量和收益-风险比随基数增加而改善；在增强指数跟踪场景中，基数在10到20之间最为有效。OLS类方法（尤其 BE-OLS(c)/BE-OLS(n)）通常优于 LAD，且常数项的影响在多数情形中较小。样本外跟踪误差与指数波动性高度相关，但增加基数可降低相关性并提升稳定性。对估计期T1与评估期T2的敏感性分析表明，4年估计期+3个月评估期在无量化增强的情况下能与指数具备相近的回报风险特征；在增强型目标下，3年估计期+6个月评估期在多数cardinality下表现良好。研究还指出，同样性能的最佳组合可能对应不同资产集合，体现出跟踪优化的局部性。 [page::12][page::16][page::20][page::22]
