《Journal of Computational and Applied Mathematics》:Numerical approximation in discrete portfolio optimization using DeFi as a new asset frontier: Risk contribution and correlation dynamics in a minimum-risk portfolio
编辑推荐:
摘要去中心化金融(DeFi)作为一种创新资产类别的引入,要求对传统的投资组合优化框架进行重新评估。传统的连续时间模型面临着DeFi代币复杂且非线性的特征挑战,如不连续交易、高波动性、异方差性和状态转换行为。本文探讨了数值近似方法的应用,采用离散技术对包含DeFi资产的低风险框
摘要
去中心化金融(DeFi)作为一种创新资产类别的引入,要求对传统的投资组合优化框架进行重新评估。传统的连续时间模型面临着DeFi代币复杂且非线性的特征挑战,如不连续交易、高波动性、异方差性和状态转换行为。本文探讨了数值近似方法的应用,采用离散技术对包含DeFi资产的低风险框架进行组合优化。我们使用并比较了多种优化技术,均值-方差法、条件在险价值(CVaR)以及多种风险平价(RP)策略构成了我们分析的核心。我们使用了十种知名DeFi代币的数据集进行实证研究。2021年至2024年的DeFi代币显示出了根本性的权衡关系。基于集中度的模型(均值-方差法和CVaR)产生高度集中的权重组合,导致极端波动、大幅回撤和禁止性高的组合换手率,这些都会受到实际DeFi交易费用(如 Gas 费用)的严重影响。相比之下,风险平价模型始终展现出更优的实际表现。它们产生了充分分散的组合,带来更平稳的结果,显著降低了复合收益率路径、更稳定的滚动波动率,并大幅减少了换手率。
引言
由于数字创新带来的金融市场快速演变,投资组合优化领域出现了新的机遇与复杂性。近年来最重要的发展之一是去中心化金融(DeFi)的崛起,这是一种正在根本性改变投资环境的新资产类别。去中心化金融(DeFi)一词指的是建立在以太坊区块链之上的替代性金融基础设施。DeFi 利用智能合约创建协议,以更加开放、互操作性强和透明的方式复制现有的金融服务。本文强调了DeFi生态系统中的机遇和潜在风险 [1]。
DeFi代币是复杂的、非线性的且多维度的资产,将其纳入投资组合需要使用先进的数字技术。定义DeFi市场的离散性和波动性状态转换运动往往无法被传统的连续时间模型所捕捉。随着计算机辅助现代技术的出现,大量的数据需要预处理以适应其后续的数据驱动任务。真实数据通常受到各种不完美因素的影响,包括噪声、采样不足、缺失值和异常值 [2]。这种方法使得描绘交易成本、流动性限制以及DeFi盈利能力的不确定性方面成为可能——这些都受到技术、监管和协议进步的 influences [3]。
已有研究描述并应用了不同的投资组合构建模型,用于在少量大型加密货币之间进行选择。其目的是在加密货币之间选择最小风险,比较不同的风险度量和最大分散化 [4]。加密货币并不是市场指数化的普通股或其他资产,但研究分散化如何显著改善投资绩效仍然很有趣 [4]。使用数值近似方法——如蒙特卡洛模拟、有限差分法和组合优化技术——来理解和建模这些动态对于创建具有韧性的投资组合至关重要。在现实场景中,数据质量直接影响后续分析过程的表现,因此高效预处理技术和稳健调整程序的重要性变得越来越明显 [2]。
本文探讨了数值近似方法在离散投资组合优化中的应用,重点聚焦于DeFi资产的整合。我们使用包含离散再平衡周期、交易成本和流动性限制的算法,旨在评估低风险投资组合中DeFi代币的风险贡献和关联性特征。通过将时间序列模型与捕捉DeFi市场中异方差性和非正态收益分布的离散技术相结合,我们的方法增强了投资组合的风险和绩效。
虽然我们之前的工作 [5] 在条件正态收益假设下关注了混合投资组合的风险平价与CVaR的数值近似,但本研究在三个重要方向上扩展了这一框架。首先,我们将该方法应用于新兴且高波动的去中心化金融(DeFi)资产类别,该类别表现出显著的非正态性、异方差性和状态转换行为。其次,我们提供了基于集中度的模型(均值-方差法和纯CVaR)与基于分散化的风险平价策略之间的全面实证比较,包括交易成本和换手率分析。第三,我们采用了完全非参数的历史模拟方法,不依赖于任何分布假设,使其对DeFi资产更具稳健性。
本文各章节结构如下:第2节回顾了投资组合优化中数值技术的相关文献以及DeFi在投资策略中日益变化的重要性。第3节介绍了所采用的离散时间模型和数值方法。第4节展示了数据和实证框架,包括风险贡献、相关性动态和最优投资组合绩效的结果。第5节的结论包含了意义和进一步研究的建议。通过这一全面考察,我们希望证明数值近似技术是将DeFi资产准确有效地整合到当代体系中的关键要素,而不仅仅是辅助工具。我们比较了这些模型的经典(无约束)版本,因为它们在实践中被广泛使用。虽然对MV和CVaR施加分散化约束可以减少集中度,但这类约束引入了超出本研究范围的 subjective 参数。我们的目标是突出这些标准模型应用于DeFi资产时的内在倾向,而非声称风险平价具有普遍优越性。未来的工作可以探讨对MV和CVaR模型施加基数或上界约束是否能改善其在DeFi投资组合中的表现,从而弥合与风险平价策略之间的差距。
章节摘要
文献综述
DeFi代币是一种独特的资产类别,因其非典型的特征而引起了学术金融界的极大兴趣。此前,多位研究者使用不同的方法考察了DeFi代币与其他资产类别之间的互动关系,以确定其收益和波动性影响。Karim等人 [6] 使用分位数连通性技术考察了DeFi代币、NFT和加密货币之间的关系,揭示了显著的风险
优化模型
本节将描述用于比较绩效的方法论。将制定两个主要类别:第一类由最小化风险的模型组成,包括马科维茨模型(均值-方差法)[23]和预期损失(条件在险价值 CVaRα(w))[24]。第二类由最大化分散度的模型组成:以标准差作为风险度量的风险平价(R.P.)[25]以及以条件在险价值作为风险度量的风险平价。
通常,对于一个构建的投资组合
数据与实证框架
表1展示了十种知名去中心化金融(DeFi)代币的综合描述,包括其关键属性和在区块链生态系统中的角色。每一项内容涵盖代币项目的官方名称、主要区块链网络、股票代码及其主要功能的简要说明。数据显示,这些代币的用途不仅仅局限于资金交易。区块链分布的高度集中性体现在
结论
对于当代投资组合管理而言,DeFi作为一种独特且波动剧烈的资产类别迅速崛起,既带来了机遇也带来了挑战。我们的研究结果显示,DeFi市场中的离散异方差性和状态转换无法被传统的连续时间模型或传统优化方法很好地捕捉。因此,采用先进的数值近似技术对于将DeFi资产整合到实际投资组合中至关重要。实证结果揭示了显著
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:
Denis Veliu 报告由地拉那理工大学提供资金支持。如果还有其他作者,他们声明没有已知的可能影响本文所述工作的竞争性财务利益或个人关系。
Denis Veliu|Roberto De Marchis|Antonio Luciano Martire|Marina Resta
地拉那理工大学电子与电信系,"特蕾莎修女"广场,阿尔巴尼亚地拉那