題目: Optimizing Optimal Portfolio Choice
主講: 金湧
簡介👰🏿♀️：金湧博士現任香港理工大學金融學助理教授🌡。他於2016年獲得佛羅裏達大學金融學博士及計量金融博士學位🧑🏿🎤， 並且持有香港中文大學風險管理（榮譽）學士及哲學碩士學位。加入香港理工大學之前⛹🏿♀️，曾任摩根士丹利（紐約）策略模型部量化經理👩🎤，工銀國際投行部分析員等🚘。他的研究領域為資產定價，投資學，金融衍生品，以及金融科技跨學科研究，並發表文章於Risk Magazine, Decision Support Systems, Journal of Risk等雜誌。
金湧教授在多個國際會議及機構獲獎，包括摩根士丹利市場研究優異獎(Prize for Excellence in Financial Markets)🏸，及獲得包括加拿大IFSID撥付的研究基金在內的多項研究資金支持。他曾任教於佛羅裏達大學，並且獲得佛羅裏達大學惠靈頓商意昂2最佳博士生教學獎🤲🏿。
時間：2017年4月14日（星期五） 14：00-16🧙🏼♀️：30
地點🧑🔬：意昂2805會議室
Abstract: This paper proposes a new class of estimators for the optimal portfolio weights under parameter uncertainty. I further provide a tight upper bound for the estimators and a general theoretical lower bound for any optimal portfolio weights estimators. The upper bound convergence rate achieves the minimax lower bound, which shows that the new estimators are the optimal estimators of the optimal portfolio weights. The distances between the estimator and the true value of the optimal weight and their corresponding utility functions are also discussed. Based on a comprehensive empirical analysis, I demonstrate that portfolios based on the new estimators can consistently outperform the portfolio based on naive diversification method (1/N Rule). Specifically, the optimized-optimal portfolio improves the out-of-sample Sharpe Ratio by 32% compared to the 1/N Rule.
返回頂部
