Large-Scale Portfolio Optimization Problem Under Cardinality Constraint With Enhanced Multi-Objective Evolutionary Algorithms

あなたは、究極のバックパックを作ろうとしているトレジャーハンターだと想像してください。あなたは2つのことを求めています。最も価値のある金貨（高いリターン）と、最も軽く安全な荷物（低いリスク）です。しかし、一つ問題があります。あなたのバックパックには厳格なルールがあります。マップ上にどれほど多くの宝物が散らばっていようとも、運べるアイテムの種類は、例えば3個から10個の間といった特定の数に制限されています。これが「カーディナリティ制約付きポートフォリオ最適化（Cardinality-Constrained Portfolio Optimization）」問題です。

何十年もの間、投資家たちはこれを「厳密な」数学的手法を用いて解決しようとしてきました。それは、完璧な一掴みの砂を見つけるために、ビーチにあるすべての砂粒を数えようとするようなものです。この論文は、そのようなアプローチは「消防ホースから水を飲む」ようなものであり、資産（砂粒）の数が増えると非常に遅くなり、行き詰まってしまうと説明しています。実際、著者らは、こうした現実世界のルールを加えることが、コンピュータにとって「NP困難」と呼ばれる悪夢となり、伝統的な数学ツールが機能しなくなったり、永遠に時間がかかったりすることを指摘しています。

大きなアイデア：新しいバックパックのデザイン
すべての砂粒を数える代わりに、著者らは新しい種類のバックパックと、それをパッキングするための新しいルールを作り上げました。彼らは、NSGA-II（スマートで進化するロボットのようなものだと考えてください）という人気のあるツールを取り入れ、それに大幅なアップグレードを施しました。

彼らの新しいシステムがどのように機能するかを、独自の比喩とメカニズムを用いて説明します：

1. 「固定サイズ」のバックパック（新しいエンコーディング）
古い手法では、持ち運べる可能性のあるすべての宝物のリストを持ち、どれを取るかに印をつける方法をとっていました。もし225個の宝物があった場合、たとえ10個しか運ばなくても、リストは常に225個のアイテムの長さでした。これでは、ロボットは空のスロットを確認するために時間を無駄にしてしまいます。
著者らは、バックパック自体を作り直しました。今や、バックパックには正確に Kmax 個のスロット（運ぶことが許される最大アイテム数）があります。もし最大5個のアイテムを運べるなら、バックパックには正確に5つのスロットがあります。

• トリック： もし同じ宝物を2つのスロットに入れた場合、それは1つのアイテムとしてカウントされますが、重さ（お金）は加算されます。これにより、ロボットはルールに違反していないかどうかを判断するのが非常に容易になります。もしバックパックに含まれるユニークなアイテムが Kmin 未満の場合（例えば、少なくとも3つ必要なのにユニークなアイテムが2つしかない場合）、ロボットは新しい宝物を入れ替える必要があると認識します。

2. 「二段階」の狩り（交配戦略）
ロボットはただランダムに推測するわけではありません。彼らは、まるで探偵が事件を解決するように、2つの明確なフェーズで狩りを行います。

• フェーズ1（広い網を張る）： スタート時、ロボットは奔放です。彼は宝物の最高の「組み合わせ」を見つけるために、「ニー（Knee）ベース」の戦略を使用します。彼は曲線の「ニー（膝）」、つまり、追加の重さに対して最大の金銭を得られるスイートスポットを探します。彼は、この理想的なポイントに近いソリューション同士を交配させ、資産の適切なミックスを迅速に見つけ出します。
• フェーズ2（微調整）： 適切な宝物のリストを手に入れると、彼は新しい宝物を探すのを止め、各宝物の「量」を調整し始めます。彼は「類似性ベース」の戦略を用い、同じ宝物を持っているが重さが異なるバックパック同士を交配させることで、正確なバランスを微調整します。

3. 「エクスプローラー（探索者）」ツール
時として、ロボットは（アイテムが少なすぎたり多すぎたりする）壊れたバックパックを、単にランダムなアイテムを入れ替えることで直そうとします。しかし、著者らはこれが無骨なやり方であることに気づきました。そこで彼らは、**「エクスプローラー」**と呼ばれる新しいツールを発明しました。
例えば、バックパックにアイテムが足りない場合を考えてみましょう。エクスプラーは、単に目の前にある最初の石を掴むのではなく、その隙間を埋めるためのいくつかの異なる方法を検討します。彼は5つの異なる「ヒューリスティック（経験則）」メソッド（例えば、お金を均等に分配する、あるいはより安全なアイテムに多くのお金を割り当てるなど）を試し、どの方法がバックパックをより良くするかを判断します。そして、最も優れたバージョンを選び出し、さらに古いバックパックと新しいバックパックの間の「未知の」空間へと少し踏み込み、さらに優れたものが見つかるかどうかを確認します。これにより、修正が単に「まあまあ」なものではなく、実際に「改善」されたものになるようにします。

4. 「修理クルー」（制約の処理）
ロボットが誤ってルールを破ったとき（アイテムを選びすぎた、あるいは一つのアイテムに多すぎるお金を入れたときなど）、彼は単にそのバックパックを捨て去るわけではありません。彼らには専門の修理クルーがいます：

• アソシエーション・クルー（関連性クルー）： 現在のグループ内にある他の成功したバックパックが何を保持しているかを見て、それらのパターンをコピーします。
• スコア・クルー（スコアクルー）： 宝物をそれらが共にどのように機能するかによってグループ化し、最高のグループを選び出します。
• スレッショルド・クルー（閾値クルー）： 他のものと同期して動かない（低相関の）宝物を特定し、多様性を加えます。

何を見出したのか（結果）
著者らは、この新しいシステムを、従来の標準的なロボットと比較して、4つの実世界の市場、すなわち DAX 100（ドイツ）、S&P 100（アメリカ）、日経225（日本）、および テヘラン証券取引所（TSE） でテストしました。

• テストの規模： 彼らはそれぞれ 85、98、225、および 418 の資産を含むデータセットを使用しました。
• ルール： 彼らはバックパックが Kmin から Kmax までのアイテムを保持するように設定しました（例：2個から10個の間、または正確に10個）。
• 結果： 100個のソリューションを持つ集団で 100イテレーション のシミュレーションを実行した結果、アップグレードされた彼らのロボットは、一貫してより優れたバックパックを見つけ出しました。
  • それは、理論的な限界に近いソリューションを見つけました（IGD と呼ばれる指標で測定）。
  • より幅広い優れた選択肢をカバーしました（Hypervolume で測定）。
  • 特に資産数が増大する場合において、より速く、より確実にこれらを実現しました。

明確に否定していること
この論文は、この特定の課題において何がうまく機能しないかを明確に述べています：

• 厳密な手法（Exact Methods）： 彼らは、この問題がNP困難であるため、伝統的な厳密な数学的手法は非効率的であると主張しています。これらの手法は、大規模な市場に対しては遅すぎると示唆しています。
• ペナルティ関数： 一部の研究者は「ペナルティ関数」（壊れたバックパックに悪いスコアを与える手法）を使用しますが、この論文は、成功した研究の大部分は修理メカニズム（バックパックを直す仕組み）を使用していることを明示しています。彼らは、ソリューションに罰を与えるのではなく、ソリューションを修理することを選択しました。
• ランダムな推測： 単に初期段階でランダムなソリューションを交配させることは時間の無駄であることを彼らは示しています。彼らの「ニーベース」の選択は、探索を導くために不可欠です。

どの程度確信しているのか？
著者らは自らの結果に自信を持っていますが、言葉遣いには慎重です。彼らは、シミュレーションの 100回の実行 に基づいて、彼らのアプローチが優位性を持っていることを「示唆」し、「実証」していると述べています。彼らは、結果が単なる運ではないことを証明するために、統計テスト（Sign Test および Wilcoxon Signed-Rank Test）を使用しました。

• 例えば、TSE 市場において、彼らの手法は Hypervolume 指標において、標準的な手法に対して 10勝0敗 の成績を収めました。
• しかし、DAX 100 市場において、特定の指標（MGD）における改善が、最も厳格なレベルでの統計的有意性に達していなかったことも注記していますが、平均的には依然として優れていました。

結論（ボトムライン）
この論文は、問題の表現を変え（固定サイズのバックパック）、解決策の探索方法を変え（二段階の狩り）、間違いを修正する方法を変える（エクスプローラー・ツール）ことで、より優れた投資ポートフォリオをより速く見つけることができることを示唆しています。これは、市場が数百の資産で混雑する場合に特に顕著です。著者らは、彼らの手法は強力な改善ではあるものの、魔法の杖ではないことも述べています。投資家が後に取引コストのようなさらに複雑なルールを追加したい場合、この手法は適応させる必要があるからです。しかし、現時点では、これはバックパックを詰めるための、よりスマートな方法なのです。