Modern Robust Techniquesを用いたポートフォリオ最適化システムの設計

実際の市場で通用するポートフォリオ最適化システムを構築するには、あらゆる段階で慎重な設計が必要です。入力値の推定方法、選択する最適化フレームワーク、エンコードする制約、履歴に対する検証方法のすべてが、システムが持続的な価値を提供するのか、それとも脆弱なバックテストに終わるのかを決定します。このコースでは、これらの決定事項を通常発生する順序で解説します。 少人数のクオンツチームがポートフォリオ最適化システムを計画する際の方法論を模倣した、記述式の設計演習に取り組みます。入力値がノイズを含み、市場がレジームシフトする際に重要となる実践的なトレードオフに重点を置きます。 学習内容: - シュリンケージやファクターモデルなどのロバスト技術を用いた期待リターン、共分散、レジーム指標の推定 - 平均分散、リスクパリティ、階層的リスクパリティ、Black-Littermanなどの最適化フレームワークの比較 - ターオーバー、取引コスト、規制上の制限などの現実的な制約のエンコード - 過学習を防ぎながら入力値推定のための機械学習拡張の適用 - ローリングバックテスト、ウォークフォワード分析、ストレステストシナリオを用いたシステムの検証 - 市場インパクトと運用上の現実を考慮した実行およびリバランス戦略の設計 コースは、入力値推定から始まり、最適化フレームワーク、機械学習拡張、検証、実行へと進みます。最終的な記述式演習では、特定の投資マンデートを対象としたポートフォリオ最適化システムの1ページ設計案を作成します。 このコースは、クオンツアナリスト、ソフトウェア経験のある金融学生、ポートフォリオ業務に参入するデータサイエンティストを対象としています。最適化の経験は不要です。コースでは、システムを紙の上で推論できる設計問題として扱い、情報提供に徹します。特定の状況に対する投資アドバイスは提供しません。