In the absence of an estimation error, mean-variance optimization achieves the highest Sharpe Ratio. However, due to estimation errors, the actual investment performance is often less than 1/N strategy. Through eigenvalue decomposition, we identify the "problem portfolio", a problem with mean-variance optimization (MVO), and propose an optimization method EPO to solve MVO problems by reducing the weight of investment in the problem portfolio. The advantage of EPO is, first, reducing the influence of covariance estimation errors. Second, the effect of signal (expected rate of return) estimation error is reduced. Third, the turnover is reduced. Performance is improved by solving three problems. In addition, as a result of applying EPO to industrial momentum(TSMOM, XSMOM, RSMOM), there was a significant improvement in excess returns that were not explained by Fama-French 5 Factor.
추정 오류가 존재하지 않은 경우, 평균-분산 최적화는 가장 높은 Sharpe Ratio를 달성한다. 하지만 추정 오류로 인해 실제 투자 성과는 1/N 보다 못한 경우가 많다. 고유값 분해를 통해 평균-분산 최적화(MVO)의 문제점인 “문제 포트폴리오”를 식별하고, 문제 포트폴리오의 투자 비중을 줄임으로써 MVO의 문제를 해결하는 최적화 방법 EPO를 제안한다. EPO의 장점은 첫째, 공분산 추정 오류의 영향 감소. 둘째, 신호(기대수익률) 추정 오류의 영향 감소. 셋째, 회전율 감소. 3가지 문제를 해결함으로써 성능이 개선된다. 추가적으로 산업 모멘텀(TSMOM, XSMOM, RSMOM)에 EPO를 적용한 결과 Fama-French 5 요인으로 설명되지 않은 상당한 초과수익률 개선을 보였다.
