Tail Value-at-Risk under Reward-Penalty Mechanism with Applications to Robust Portfolio Management
In this paper, we investigate robust portfolio selection under distributional uncertainty, introducing a novel reward-penalty mechanism to assess portfolio performance. Focusing on Tail Value-at-Risk (TVaR), we consider two mean-covariance-based uncertainty sets and derive an explicit worst-case TVaR expression, generalizing existing results. Using this formulation, we obtain closed-form solutions for the optimal portfolio. Under a generalized mean-covariance multivariate distribution set, we show that optimal selections reduce to convex optimization problems. Empirical analysis with real market data illustrates the practical advantages of our approach, highlighting the impact of rewards and penalties on portfolio performance. We further estimate ambiguity parameters and demonstrate the superiority of the generalized mean-covariance uncertainty set.
Valeur finale à risque (Tail Value-at-Risk) sous mécanisme de récompense-pénalité, avec applications à la gestion de portefeuilles robustes
Dans cet article, nous étudions la sélection de portefeuille robuste en cas d'incertitude quant à la distribution, en introduisant un nouveau mécanisme de récompense-pénalité pour évaluer la performance du portefeuille. En nous concentrant sur la valeur finale à risque (Tail Value-at-Risk - TVaR), nous considérons deux ensembles d'incertitude basés sur la covariance moyenne et nous dérivons une expression explicite de la pire TVaR, en généralisant les résultats existants. Avec cette formulation, nous obtenons des solutions de forme fermée pour le portefeuille optimal. Pour un ensemble de distribution multivariée à covariance moyenne généralisée, nous montrons que les sélections optimales se réduisent à des problèmes d'optimisation convexe. Une analyse empirique sur des données de marché réelles illustre les avantages pratiques de notre approche, mettant en évidence l'impact des récompenses et des pénalités sur la performance du portefeuille. Nous estimons en outre les paramètres d'ambiguïté et démontrons la supériorité de l'ensemble d'incertitude à moyenne-covariance généralisée.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais