Multi-objective Portfolio Optimization Via Gradient Descent

あなたは、巨大な船の船長であると想像してください。ただし、海の上ではなく、すべてがお金でできた海を航行しています。あなたの目標は、できるだけ多くの財宝を持って地点Aから地点Bに到達することですが、一つ問題があります。海には嵐（リスク）が満ちており、さらに厳格な地図（規制）が存在します。その地図には、「一つの箱にあまり多くの金を入れてはいけない」ことや、「特定の灯台（ベンチマーク指数）の近くにいなければならない」ことが記されています。これがポートフォリオ最適化の世界です。何十年もの間、この船を操縦する標準的な方法は、「現代ポートフォリオ理論」と呼ばれる硬直した数学的なコンパスを使用することでした。それは穏やかな海ではうまく機能しましたが、複雑なルールや相反する目標（例えば、最大限の財宝も欲しく、かつ最小限のリスクも求められ、さらに厳格な安全制限も守らなければならない場合など）によって海が荒れたとき、古いコンパスはしばずにかかり込んだり、壊れたりしてしまいました。

ここで、新しい種類のナビゲーションツールが登場します。それが**勾配降下法（グラディエント・デセント）**です。これは、硬直した地図ではなく、霧の中の山を下るハイカーのように道を感じ取る方法だと考えてください。ハイカー（コンピュータ）は小さな一歩を踏み出し、常にどちらの方向が最も急な下り坂か（より少ないリスク、あるいはより多くの利益に向かう方向か）を確認しながら、進路を調整していきます。通常、この「ハイキング」の手法は、コンピュータに写真の中の猫を認識させたり、車を運転させたりするために使われます。しかし、もしコンピュータに金融の山をハイキングすることを教えたらどうなるでしょうか？ これこそが、この論文が探求している内容です。研究者たちは、この「ハイキング」の手法を、現代のAIツールによって強化し、従来のメソッドが苦戦する複雑で多目的な投資問題を解決するための新しいフレームワークを構築しました。彼らは、この柔軟でステップ・バイ・ステップのアプローチが、従来の硬直した計算機よりも、より優れた、より安全で、よりルールを遵守した財宝箱を築けるかどうかを検証したかったのです。

論文の旅：金融の山をハイキングする

著者たち（マドリード自治大学とMarch Asset Managementのチーム）は、この「ハイキング」の手法（勾配降下法）が、**多目的ポートフォリオ最適化（MPO）**という複雑な任務をこなせるかどうかをテストすることに乗り出しました。現実の世界では、投資家は単に「高いリターン」を求めているだけではありません。「高いリターンを得つつ、リスクを低く抑え、かつ厳格な法律（欧州のUCITS規則など）に従い、かつ、すべての卵を一つのカゴに入れないようにし、さらに特定の市場指数に密接に連動させる」といったことを求められます。伝統的なツールは、これらすべてのボールを同時にジャグリングしようとすると、特にルールがトリッキーであったりデータが膨大であったりする場合、しばしば立ち往惑してしまいます。

研究者たちは、S&P 500（約500社の主要な米国企業リスト）の2020年のデータを用いたデジタルな遊び場を構築しました。彼らは単一のテストを作ったのではありません。単純な「最善の経路を見つける」タスクから、極めて複雑な「岩を避け、速度制限を守り、特定の重量を運ぶ中で最善の経路を見つける」という挑戦まで、6つの異なるシナリオを構築しました。

シンプルなテスト：直線を描いて歩く
まず、基本事項をテストしました。一つのシナリオでは、コンピュータにリスクと報酬の最適なバランス（シャープレシオの最大化）を単純に見つけるよう求めました。彼らは、自分たちの新しい「ハイキング」手法を、CVXPYと呼ばれる有名な硬直した数学的ソルバーと比較しました。結果はどうだったでしょうか？ ハイカーと硬直した計算機は、ほぼ全く同じ場所に到着しました。資産のウェイト（各銘柄への資金配分）はほぼ同一であり、その差は小数点第六位のレベルでした。これは、新しい手法が、単純な仕事においては、信頼されている従来のツールと同じくらい正確であることを証明しました。

二つ目のテストでは、コンピュータに「極端な損失」を最小化（CVaRと呼ばれる概念）するよう求めました。彼らはこれをSKFOLIOと呼ばれる別のツールと比較しました。ここでは、「ハイカー」は硬直した計算機とは少し異なる経路を通り、異なる銘柄を選び、わずかに異なるウェイトを割り当てました。しかし、最終的な結果、つまり回避された極端な損失の実際の量を確認したところ、両方のメソッドは実質的に双子のようなものでした。その差は極めて小さく（小数点第五位）、実用上の観点からは、ハイカーは地図に従うのではなく、地面の感触を頼りにすることで、同じ目的地に到達したのです。これは大きな成果でした。なぜなら、「極端な損失」の問題は数学的に非常に厄介であり、硬直したツールが完璧に解くのが難しいものだからです。しかし、ハイカーはそれを容易にこなしました。

複雑なテスト：ジャグリングと障害物競走
次に、事態は熱を帯びてきました。研究者たちは、ビデオゲームに新しいレベルが追加されるように、複雑さを層状に加えていきました。

• ルール遵守者： 彼らは、UCITS規制に従いながら極端な損失を最小化するようコンピュータに命じました。これらは、例えば「単一の銘柄がポートフォリオの10%を超えてはならない」「大きな賭け（5%超）の合計は40%を超えてはならない」といった厳格な欧州のルールです。伝統的なツールは、これらのルールによって数学が「非凸（non-convex）」になる（これは、地図に穴や崖があり、硬直した計算機を壊してしまう状態を意味します）ため、しばしば行き詰まります。しかし、ハイカーはどうでしょう？ それはただ歩き続け、線の中に留まる経路を見つけるまで、ステップを調整し続けました。結果として得られたポートフォリオは、リスクを低く抑えつつ、ルールを完璧に遵守していました。
• 綱渡り： 別のテストでは、トラッキングエラーの制約を追加しました。これは、ポートフォリオのパフォーマンスがS&P 500指数に非常に近くなくてはならないことを意味します（綱渡りの選手がワイヤーの上に留まり続けるようなものです）。ハイカーは、極端な損失を最小化しつつ、指数にしっかりと密着することに成功しました。これは、相反する目標をバランスよく調整しながら、落下せずに進めることを証明しました。
• 究極の挑戦： 最後の最も複雑なテストでは、コンピュータに「すべて」を一度に行うよう求めました。リターンの最大化、極端な損失の最小化、UCITSルールの遵守、最小銘柄数の維持、各銘柄が小さくなりすぎないことの確保、そして指数への近接。コンピュータはこの混沌とした障害物競走を無事にナビゲートしました。それは23銘柄を選択し、各銘柄のウェイトを1%以上に保ち、「大きな賭け」が40%の制限を下回ることを確認し、リスク調整後リターンにおいて標準的な指数を上回るポートフォリオを提供しました。

「マスク」の謎
最後の独創的なテストとして、研究者たちは「マスク」を作成しました。これは、銘柄のグループが一定の合計ウェイトを超えてはならないというルールです（例えば、「テック・グループは資金の27%以下でなければならない」と言うようなものです）。ハイカーは、ポートフォリオ全体のリスクを最小化しながら、どのグループも制限を破らないように資金を分配することに成功しました。これは、この手法が、古いソフトウェアにとっては悪夢となるような、カスタムメイドの任意のルールを扱えることを示しました。

これが将来にとって何を意味するか

この論文は、必ずあなたを金持ちにするという「魔法の弾丸」を発見したと主張しているわけではありません。むしろ、より実用的なこと、すなわち柔軟性を提案しています。著者たちは、自動微分（コンピュータが傾斜を瞬時に計算できるツール）を用いた勾配降下法を使用することが、従来の数学では対処できないほど厄介な投資問題を解決するための、強力でスケーラブルな方法であることを示しています。

鍵となる発見は、この手法が単純なタスクにおいては既存の最高のツールに対して競争力がある一方で、複雑で多層的なルールを持つシナリオにおいては優れているということです。これは単に「一つの答え」を見つけるのではなく、投資家が実際に直面する、あの厄介な現実世界の制約を尊重した「良い答え」を見つけ出すのです。研究者たちは、この「ハイカー」には、適切な「重み」（リスクと報酬のどちらを重視するか）を設定するための「ガイド（ユーザー）」が必要であるが、一度これらの設定が決まれば、コンピュータは数十の相反する目標を同時にバランスさせるという重労働をこなすことができる、と強調しています。

結局のところ、この論文は新しい種類の金融ツールの扉を開いています。それは、硬直した地図が通用しない、現代の投資における霧がかった岩だらけの地形をナビゲートできる、人間のハイカーのように適応力のあるツールです。人工知能の世界から技術を借りることで、数学的に健全であるだけでなく、実用的で堅牢、かつ現実世界に対応したポートフォリオを構築できることを示唆しているのです。