On Frequency-Based Optimal Portfolio with Transaction Costs

Sintesi Tecnica: Sull'Ottimizzazione di Portafoglio Log-Ottimale con Dipendenza dalla Frequenza e Costi di Transazione

Formulazione del Problema
Questo articolo investiga il problema del portafoglio log-ottimale, che mira a massimizzare la Crescita Logaritmica Attesa (ELG - Expected Logarithmic Growth) di un investitore, incorporando esplicitamente due fattori critici spesso trattati separatamente o ignorati nella letteratura precedente: la frequenza di ribilanciamento e i costi di transazione proporzionali. Gli autori considerano un framework a tempo discreto con $N$ stadi e $m \ge 2$ asset, inclusi almeno un asset privo di rischio. L'investitore impiega una politica lineare in cui il vettore dei pesi $K$ risiede nel simplesso unitario (vincolo long-only).

La sfida centrale affrontata è che, quando i costi di transazione proporzionali sono non nulli, il problema log-ottimale standard dipendente dalla frequenza può diventare intrattabile. Nello specifico, la presenza di costi può portare a "problemi di sopravvivenza" in cui il valore del conto $V(n)$ scende a zero o al di sotto di esso con probabilità positiva, rendendo indefinito il tasso di crescita logaritmica. Inoltre, l'esatto problema di ottimizzazione con costi non sempre produce una soluzione banale o in forma chiusa, rendendo necessaria un'approccio matematico rigoroso per gestire i vincoli e il potenziale fallimento.

Metodologia
L'articolo impiega una combinazione di teoria dell'ottimizzazione convessa, analisi stocastica e validazione empirica utilizzando sia dati intraday che giornalieri.

1. Equivalenza del Programma Concavo: Gli autori dimostrano innanzitutto che il problema di ottimizzazione dell'ELG dipendente dalla frequenza con costi di transazione proporzionali è equivalente a un programma concavo. Definendo un vettore di rendimento corretto per le commissioni $\tilde{X}_n$, dove $\tilde{X}_{n,i} = X_{n,i} - c_i$ (con $c_i$ che rappresenta il costo di transazione), si dimostra che la funzione obiettivo è concava sul insieme compatto convesso del simplesso unitario.
2. Teorema di Dominanza con Costi: Viene stabilita una versione del Teorema di Dominanza. Esso fornisce una condizione sufficiente sotto la quale un investitore log-ottimale dovrebbe investire il 100% dei fondi disponibili in un singolo asset $j$. Ciò avviene se il rapporto atteso tra i rendimenti corretti per le commissioni di un altro asset $i$ e l'asset $j$ è minore o uguale a uno.
3. Approssimazione tramite Programma Concavo Quadratico: Per affrontare il problema del fallimento in cui $V(n) \le 0$, l'articolo propone un'approssimazione quadratica basata su Taylor della funzione ELG attorno a $K=0$. Ciò trasforma il problema in un programma quadratico concavo. Gli autori derivano le condizioni di ottimalità necessarie e sufficienti (condizioni KKT) per questo problema approssimato.
4. Teorema dei Due Fondi: Una versione del Teorema dei Due Fondi viene dimostrata per il problema approssimato. Essa dimostra che qualsiasi combinazione convessa di due vettori di peso ottimali che soddisfano le condizioni di ottimalità derivate è essa stessa una soluzione ottima.
5. Finestra Mobile per il Trading Online: Per adattarsi alle condizioni dinamiche del mercato in cui le vere distribuzioni dei rendimenti sono sconosciute, gli autori implementano un approccio a finestra mobile basato sui dati. Questo metodo risolve una sequenza di programmi concavi statici su una finestra mobile di dati storici, evitando la complessità computazionale della programmazione dinamica stocastica.

Risultati Chiave e Risultati Empirici
Il framework teorico è validato attraverso estesi studi empirici utilizzando dati intraday minuto per minuto (cinque asset tra cui ETF e Bitcoin) e dati giornalieri (un portafoglio di 32 asset tra cui azioni del Dow 30 e Bitcoin).

• Accuratezza dell'Approssimazione: I risultati empirici mostrano che i pesi ottimali derivati dall'approssimazione quadratica ($\hat{K}^*$) sono quasi identici ai veri pesi log-ottimali ($K^*$), validando l'utilità dell'approssimazione per l'implementazione pratica.
• Impatto di Costi di Transazione e Frequenza:
  • Il ribilanciamento ad alta frequenza (ad esempio, ogni minuto) combinato con i costi di transazione degrada significativamente le prestazioni, risultando spesso in rapporti di Sharpe negativi e perdite cumulative.
  • Aumentare il periodo di ribilanciamento (ad esempio, ogni 5 minuti o giorni) mitiga l'impatto dei costi di transazione, portando a rapporti di Sharpe positivi e a prestazioni migliori rispetto al ribilanciamento frequente.
  • Sotto alti costi di transazione, la strategia ottimale spesso si sposta verso il possesso dell'asset privo di rischio (conto bancario) o di un singolo asset dominante, piuttosto che verso un portafoglio diversificato.
• Dominanza in Portafogli di Medie Dimensioni: Nell'esempio dei dati giornalieri a 32 asset, il Teorema di Dominanza ha correttamente identificato un singolo asset dominante (Chevron) in presenza di costi di transazione, portando la strategia ottimale a concentrare tutto il capitale in tale asset.
• Prestazioni della Finestra Mobile: Lo scenario di trading online utilizzando un approccio a finestra mobile ha dimostrato che le strategie log-ottimali (sia esatte che approssimate) hanno generalmente superato una strategia buy-and-hold con pesi uguali, in particolare quando la dimensione della finestra era sufficientemente ampia (ad esempio, 30 giorni) per attenuare il rumore di stima.

Significatività e Rivendicazioni
L'articolo sostiene di colmare una lacuna nella letteratura integrando rigorosamente la frequenza di ribilanciamento e i costi di transazione nel framework del portafoglio log-ottimale. I suoi principali contributi sono:

1. Rigore Teorico: Dimostrare l'equivalenza del problema con inclusione dei costi a un programma concavo e stabilire le condizioni per l'evitare il fallimento.
2. Solvibilità Pratica: Fornire un'approssimazione quadratica trattabile con condizioni di ottimalità necessarie e sufficienti, rendendo il problema risolvibile per portafogli reali.
3. Compromesso Frequenza-Costo: Quantificare il compromesso tra frequenza di ribilanciamento e costi di transazione, dimostrando che il ribilanciamento frequente è dannoso quando i costi sono non nulli.
4. Adattamento Online: Estendere il framework di ottimizzazione statica a un ambiente di trading online tramite un approccio a finestra mobile, offrendo un'alternativa computazionalmente efficiente alla programmazione dinamica.

Gli autori mantengono un tono modesto, riconoscendo che l'approssimazione quadratica è più accurata per piccoli rendimenti e che lavori futuri potrebbero esplorare lo scoperto (short-selling), la modellazione dei dividendi e la robustezza distributiva per gestire gli errori di stima delle distribuzioni dei rendimenti.