La sensitivity analysis nellottimizzazione convessa quadratica perturbata: una generalizzazione del...
-
Upload
celestino-ceccarelli -
Category
Documents
-
view
214 -
download
1
Transcript of La sensitivity analysis nellottimizzazione convessa quadratica perturbata: una generalizzazione del...
La sensitivity analysis La sensitivity analysis nell’ottimizzazione convessa nell’ottimizzazione convessa
quadratica perturbata:quadratica perturbata:
una generalizzazione del una generalizzazione del Modello Media-VarianzaModello Media-Varianza
Massimiliano KaucicMassimiliano KaucicTrieste, 23/06/2004
Il modello Media-Varianza
Le fondamenta della teoria moderna di selezione dei portafogli sono costituite dai risultati di Markowitz circa la costruzione di portafogli in condizioni di incertezza da parte di investitori razionali.
I parametri fondamentali per l’analisi sono la media e la varianza del rendimento del portafoglio.
Ottimizzazione in Markowitz
Il modello M-V proposto da Markowitz si pone l’obiettivo di costruire un insieme di portafogli che soddisfino alle seguenti proprietà:
1. aver il più alto livello di rendimento atteso per un dato livello di rischio;
2. aver il più basso livello di rischio per un dato livello di rendimento.
I portafogli che soddisfano a questi due punti sono detti ottimali.
L’insieme dei portafogli ottimali viene detto frontiera efficiente.
La determinazione di questo insieme richiede la formulazione e risoluzione di un problema di programmazione quadratica parametrico.
Si tratta di massimizzare una funzione concava dell’utilità attesa dell’investitore.
Dettagli sul modello M-V
L’obiettivo perseguito in questa prima parte è quello di studiare le caratteristiche principali del modello M-V e di portare all’attenzione un algoritmo di calcolo per i portafogli introducendo dei vincoli lineari sulle frazioni di investimento.
Caratteristiche del problema
La funzione di utilità studiata è
CXXeX TT
1
dove
nRX è il vettore delle frazioni di investimento;
nRe è il vettore dei rendimenti attesi (o dei tassi) dei titoli;
nn RRC è la matrice delle covarianze dei titoli;
R rappresenta la tolleranza al rischio dell’investitore.
Nota: ci sono stati molti studi riguardo ai valori da attribuire a questo ultimo parametro, il mio lavoro non vuole entrare nel dettaglio di questa letteratura ma vuole semplicemente essere uno studio delle caratteristiche matematiche del problema.
Per gli interessati: risultati empirici su questo argomento sipossono trovare in Kallberg e Ziemba (1983) “Comparison of alternative utility functions in portfolio selection problems”.
Formalizzazione del problema parametrico
Determinare:
CXXeX TT
X 1
max
al variare di λ, sotto i vincoli lineari
BAX
kXn
ii
1
UBXLB
che rappresenta un insieme di restrizionisul vettore X
che rappresenta la frazione k che voglio impiegare nell’operazione finanziaria
che rappresenta la regione di definizionedelle X
Possibile estensione
Un’ulteriore classe di vincoli sulle frazioni di investimento è la seguente:
10 BXAB
Nota: l’espressione di questo vincolo può però essere ricondotta ad un vincolo precedente con l’introduzione di una o più variabili ausiliarie.
Un po’ di definizioni
1. Una variabile di stato Xi si dice down se:
ii LBX
2. Una variabile di stato Xi si dice up se:
ii UBX
3. Una variabile di stato Xi si dice in se:
iii UBXLB
Il metodo impiegato
Per la risoluzione del problema mi sono avvalso del procedimento esposto in Markowitz (1956) “The optimization of a quadratic function subject to linear constraints” e noto come Critical Line Method.
La strategia di calcolo si fonda sul Simplex Method.
Esempio dimostrativo
Tratto dal sito http://www.stanford.ed/~wfsharpe/mia/opt/mia_opt3.html
Per i titoli considerati, il periodo storico impiegato e altre caratteristiche economiche si rimanda l’interessato al sopra citato sito.
Dati in Input standard
1. 80.1030.680.2e
2.
3.
40.1540.700.1StdDev
00.135.015.0
35.000.140.0
15.040.000.1
Corr
Dove e sono i rendimenti attesi, StdDev le loro deviazioni standard e Corr la matrice delle correlazioni.
Vincoli1. 1k
2.
3.
20.020.020.0LB
50.050.050.0UB
Nota: la matrice C viene determinata a partire da Corr e StdDev mediante la relazione
TStdDev*Corr*StdDev
Utility hill per λ=50
Come varia la composizione del portafoglio
λ X k
AX=b
X>LB
X<UB
e Stdev Φ(λ)
50
-0.90
1.24
0.66
1
No
No
No
12.44 15.66 7.53
50
0.20
0.30
0.50
1
Sì
Sì
Sì
7.85 8.78 7.67
L’approccio al problema
Fase 1: Se pensassimo di risolvere la questione
andando a vedere cosa succede variando λ, ci porremmo nella situazione di dover, ad ogni passo, risolvere un problema quadratico convesso, con costi computazionali considerevoli.
Nota: questo approccio è utile quando si deve risolvere il problema per un numero ristretto di valori di λ.
Fase 2:Nel momento in cui vogliamo andare a vedere come cambiala composizione del portafoglio al variare di λ, ci accorgiamo che il punto centrale diventa il passaggio delle variabili Xi da uno stato all’altro (ad esempio, da in ad up) in relazione a λ.
L’idea alla base di questo lavoro è proprio questa:studiare i cambiamenti nelle variabili di stato con λ.
Si dimostra che solo un numero finito di volte si verifica tale situazione. È quindi possibile costruire degli intervalli in cui le composizioni dei portafogli non cambiano stato.In altri termini, ci riconduciamo a studiare un numero ristretto di valori di λ e di composizioni X.
Corner Portfolios
I portafogli che costituiscono il passaggio da uno stato ad un altro nelle frazioni di investimento sono detti corner portfolios.
BA
Ogni portafoglio viene costruito, fissato λ, come combinazione dei due portafogli ad angolo A e B per cui
Risultati dell’esempio
Tabella dei corner portfolios:
λ A B C
<=13.7 50.00 30.00 20.00
15.10 45.19 34.81 20.00
21.02 26.15 47.38 26.47
22.30 20.00 50.00 30.00
22.94 20.00 50.00 30.00
>=41.8 20.00 30.00 50.00
In questo grafico si può vedere la composizione del portafoglio di tre titoli al variare di λ (che ho chiamato rt).
Frontiere efficienti a confronto
Frontiera efficiente accettabile
Ingrandimenti
Un metodo alternativo
Wolfe (1959) “The simplex method for quadratic programming”.
Il metodo è noto come long form ed è basato sulla sensitivity analysis.
Consiste nel trasformare il problema quadratico in uno lineare.
Un nuovo approccio alla programmazione quadratica
In alternativa all’approccio classico basato
sulle optimal bases nel simplex method ho studiato l’impiego della sensitivity analysis nell’interior point method.
L’informazione prodotta dal metodo classico può risultare confusa a causa della non unicità della base ottimale.
Le fondamenta dello studio
Il problema diventa trovare:
0,:
2
1min XbbAXQXXXcc TT
0,:
2
1max sccQXsyAQXXybb TTT
dove ,,, nRsXc mRyb ,
nn RRQ
nm RRA
simmetrica e semidefinita positiva
matrice di rango m
Main Tools• Wolfe duality theorem• Complementary condition• Maximal complementary solution• Optimal tri-partition e optimal sets
Critical Line Method Sensitivity Analysis
corner portfolio transition point
efficient frontier optimal value function
Pregi del metodo
• Come in Markowitz, i punti della optimal value function corrispondono ad intervalli del parametro su cui la partizione è costante
• Il metodo è una estensione del modello di Markowitz anche in caso di degenerazione, grazie alla nozione di tri-partition sets
Osservazioni sullo studio condotto
• Il metodo è ancora in fase di sviluppo e perfezionamento
• Una possibile estensione è nella direzione dei modelli M-V: considerare i casi in cui il parametro λ influenza non solo le preferenze rischio-rendimento ma anche i vincoli sulle risorse da investire.
Esempio illustrativo (non finanziario)
2
2212121 2
522620716min xxxxxx
0,,,,
2052
82
1122
54321
521
421
321
xxxxx
xxx
xxx
xxx
Transition points, optimal partitions
B N T
λ =-8 {3,5} {1,4} {2}
-8< λ<-5 {2,3,5} {1,4} Ø
λ =-5 {2} {1,3,4,5} Ø
-5< λ<0 {1,2} {3,4,5} Ø
λ =0 {1,2} Ø {3,4,5}
0< λ<1.74 {1,2,3,4,5} Ø Ø
λ=1.74 {2,3,4,5} Ø {1}
1.74< λ<3.33 {2,3,4,5} {1} Ø
λ =3.33 {3,4,5} {1} {2}
3.33< λ<+∞ {3,4,5} {1,2} Ø
Optimal Value Function
Esempio illustrativo tratto da Vörös(finanziario)
Il problema analizzato è
0,,1:min XXeXICXX TTT
dove
916.0362.0419.0592.0314.0
362.0172.0143.0197.0013.0
419.0143.0298.0346.0155.0
592.0197.0346.0484.023.0
314.0013.0155.023.082.0
C
49.0
315.0
237.0
37.0
78.1
e
Transition points, optimal partitions
B N T
λ =0.237 {3} {1,2,4,5} Ø
0.237<λ<0.505 {1,3,4} {2,5} Ø
λ =0.505 {1,3,4} {5} {2}
0.505<λ<0.520 {1,2,3,4} {5} Ø
λ =0.520 {1,2,4} {5} {3}
0.520<λ<1.065 {1,2,4} {3,5} Ø
λ=1.065 {1,2,4} {3} {5}
1.065<λ<1.145 {1,2,4,5} {3} Ø
λ =1.145 {1,2,5} {3} {4}
1.145<λ<1.392 {1,2,5} {3,4} Ø
λ =1.392 {1,5} {3,4} {2}
1.392<λ<1.780 {1,5} {2,3,4} Ø
λ =1.780 {1} {2,3,4,5} Ø