Aller au contenu principal
Fine-Tuning the 1/N Portfolio Based on Market Conditions
The 1/N portfolio is a standard benchmark in portfolio optimization, known for its robustness in empirical study. We propose the fine-tuned 1/N portfolio, a strategy that freezes the base 1/N allocation and injects a trainable scale parameter multiplied by the weight difference between the mean-variance and 1/N portfolio. This approach dynamically introduces the mean and covariance of asset returns into the 1/N allocation based on observable market conditions. By constraining the fine-tuned allocation to stay close to the 1/N portfolio, our method limits estimation error and preserves out-of-sample robustness. Empirically, the fine-tuned 1/N portfolio performs better than the 1/N portfolio with zero or very low transaction costs. We also provide a turnover-penalized formulation that can improve upon the 1/N portfolio with relatively high transaction costs.
Ajustement du portefeuille 1/N en fonction des conditions du marché
Le portefeuille 1/N est une référence standard en matière d'optimisation de portefeuille, réputé pour sa robustesse dans les études empiriques. Nous proposons le portefeuille 1/N affiné, une stratégie qui gèle l'allocation de base 1/N et injecte un paramètre d'échelle entrainable multiplié par la différence de pondération entre le portefeuille moyenne-variance et le portefeuille 1/N. Cette approche introduit de manière dynamique la moyenne et la covariance des rendements des actifs dans l'allocation 1/N en fonction des conditions observables du marché. En limitant l'allocation affinée pour qu'elle reste proche du portefeuille 1/N, notre méthode limite l'erreur d'estimation et préserve la robustesse hors échantillon. Empiriquement, le portefeuille 1/N affiné offre de meilleures performances que le portefeuille 1/N avec des coûts de transaction nuls ou très faibles. Nous proposons également une formulation pénalisant le taux de rotation qui peut améliorer le portefeuille 1/N avec des coûts de transaction relativement élevés.
Date and Time
-
Co-auteurs (non y compris vous-même)
Zhenzhen Huang
The Ohio State University
David Saunders
University of Waterloo
Chengguo Weng
University of Waterloo
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais

Speaker

Edit Name Primary Affiliation
Yuqi Jing University of Waterloo