针对 tempered stable 莱维过程的熵值在险值（EVaR）投资组合优化
Entropic Value-at-Risk portfolio optimization for tempered stable Lévy processes
浏览论文内容
中文总结 AI 辅助
本研究针对 tempered stable 莱维收益开发参数化 EVaR 投资组合优化方法，构建三类投资组合并在 2000-2026 年美国行业 ETF 样本外测试，发现部分熵投资组合夏普比率优于 CVaR 组合及标准基准。
中文摘要 AI 辅助
我们开发了针对 tempered stable 莱维收益的参数化熵值在险值（EVaR）投资组合优化方法。我们在两种多元构造下推导了投资组合累积生成函数和依赖权重的可容许矩生成函数域：多元正态 tempered stable 方法与独立成分分解。这些表达式可基于拟合的资产或成分级参数评估投资组合 EVaR，无需重复进行投资组合级分布拟合。我们构建了最小 EVaR 投资组合和两种熵奖励-风险投资组合，并在 2000 至 2026 年滚动的美国行业 ETF 配置样本外数据中对这些投资组合进行测试。在该样本 universe 中，数种熵投资组合的实现夏普比率高于其匹配的 CVaR 投资组合或标准配置基准。
英文摘要
We develop parametric Entropic Value-at-Risk (EVaR) portfolio optimization for tempered stable Lévy returns. We derive portfolio cumulant-generating functions and weight-dependent admissible moment-generating-function domains under two multivariate constructions: a multivariate normal tempered stable approach and an independent component factorization. These expressions allow portfolio EVaR to be evaluated from fitted asset- or component-level parameters without repeated portfolio-level distribution fitting. We construct minimum-EVaR portfolios and two entropic reward--risk portfolios. We test the portfolios in a rolling 2000 to 2026 out-of-sample U.S. sector ETF allocation. In this universe, several entropic portfolios have higher realized Sharpe ratios than their matched CVaR portfolios or standard allocation benchmarks.
