우리는 확률 벡터에 대한 부분 순서와 Wasserstein 메트릭 모호성 집합 및 적응형 원뿔 구조를 통합하여 분포 불확실성 하에서 다변량 투자자 선호를 모델링하는 새로운 포트폴리오 최적화 프레임워크인 분포 강건 다변량 확률적 원뿔 질서(DR-MSCO)를 소개합니다. 측정 이론과 볼록 해석학에 기반하여, DR-MSCO는 시장 체제에 맞춰 조정된 데이터 기반 원뿔 선택과 다변량 설정으로 조건부 가치 위험을 일반화하는 일관된 꼬리 위험 연산자를 사용합니다. 우리는 실용적인 제2차 원뿔 프로그래밍 재구성을 도출하고 경험적 모호성 집합 하에서 통계적 일관성을 입증합니다. 우리는 2021-2024년 이스탄불 증권거래소의 23개 주식에 DR-MSCO를 적용하여 롤링 추정 창과 현실적인 거래 비용을 사용합니다. 고전적인 평균-분산 및 표준 분포 강건 기준과 비교할 때, DR-MSCO는 전체 및 위기 기간 샤프 비율이 더 높습니다(전체 샘플 2.18 대 2.09; 위기 기간 0.95 대 0.69)와 함께 최대 손실 폭을 10% 줄이고 외부 제약 없이 내재적 다각화를 제공합니다. 우리의 결과는 다변량 선호 모델링과 분포 강건성을 결합함으로써 얻는 실용적인 이점을 강조하며, 변동성이 큰 신흥 시장에서 탄력적인 포트폴리오 구성을 위한 실용적인 도구를 기관 투자자에게 제공합니다.
Batrancea 외 저자(Thu,)가 이 문제를 연구했습니다.