Tối ưu Lý thuyết Danh mục Đầu tư Hậu Hiện đại (PMPT)
Tối ưu Lý thuyết Danh mục Đầu tư Hậu Hiện đại (PMPT) là một khung để xây dựng danh mục đầu tư bằng cách giảm thiểu rủi ro giảm—được định nghĩa là lợi nhuận dưới mức mục tiêu hoặc mức lợi nhuận chấp nhận tối thiểu—thay vì phương sai tổng. Nó mở rộng Lý thuyết Danh mục Đầu tư Hiện đại (MPT) bằng cách nhận thức rằng nhà đầu tư thường đánh giá mất lỗ và lợi nhuận một cách bất đối xứng: họ nhạy cảm hơn với sự thiếu hụt so với biến động tăng phía trên. Do đó, tối ưu PMPT thay thế tối ưu trung bình‑phương sai (MVO) bằng tối ưu rủi ro giảm (DRO), sử dụng các chỉ số như bán‑phương sai, bán‑độ lệch chuẩn hoặc hệ số Sortino để hướng dẫn quyết định phân bổ tài sản.
Khác với MPT, vốn giả định nhà đầu tư quan tâm đến độ phân tán của lợi nhuận quanh trung bình bất kể hướng, PMPT mô hình hóa rủi ro một cách rõ ràng là việc không đạt được mục tiêu, chẳng hạn như lịch trả nợ, chuẩn so sánh, hoặc mức lợi nhuận tối thiểu cá nhân. Điều này khiến PMPT đặc biệt phù hợp cho các ứng dụng trong hoạch định nghỉ hưu, quản lý quỹ tài trợ, và các bối cảnh khác mà hiệu suất kém gây ra hậu quả cụ thể.
Tối ưu PMPT tìm trọng số danh mục sao cho tối đa hoá lợi nhuận kỳ vọng dưới ràng buộc về rủi ro giảm, hoặc tương đương, giảm thiểu rủi ro giảm dưới ràng buộc lợi nhuận mục tiêu. Vấn đề tối ưu thường được xây dựng bằng cách sử dụng các khoảnh khắc phần thấp (LPM), trong đó hàm mục tiêu chỉ tích hợp các độ lệch bình phương dưới mức lợi nhuận mục tiêu \(T\):
\[\text{Minimize } \text{LPM}_2(T) = \int_{-\infty}^{T} (T - r)^2 f(r) \, dr\]trong đó \(r\) là lợi nhuận ngẫu nhiên và \(f(r)\) là mật độ xác suất của nó. Trong thực tế, công thức này được xấp xỉ bằng cách sử dụng các phân phối lợi nhuận lịch sử hoặc mô phỏng:
\[\widehat{\text{LPM}}_2(T) = \frac{1}{N} \sum_{t=1}^{N} \max(0, T - r_t)^2\]Mục tiêu này thay thế thuật ngữ phương sai \(\sigma^2 = \frac{1}{N} \sum (r_t - \bar{r})^2\) được sử dụng trong MVO. Đường biên hiệu quả thu được có dạng lõm trong không gian lợi nhuận‑rủi ro giảm và thường tạo ra các danh mục có xác suất kém hiệu suất so với mục tiêu thấp hơn.
- Target Return (T): Một chuẩn mốc được xác định trước — chẳng hạn lạm phát cộng 3%, dòng tiền nợ, hoặc lãi suất phi rủi ro — định nghĩa ngưỡng cho các lợi nhuận ‘không mong muốn’.
- Semi-Variance / Semi-Deviation: Phương sai hoặc độ lệch chuẩn của các lợi nhuận dưới mục tiêu, được dùng làm chỉ số rủi ro.
- Sortino Ratio: Lợi nhuận vượt mức mục tiêu chia cho độ lệch bán phần, được dùng làm thước đo hiệu suất trong tối ưu hoá hoặc xếp hạng.
- Downside Risk Optimization (DRO): Phương pháp tính toán để giải mục tiêu PMPT, thường được triển khai bằng lập trình quadratic khi lợi nhuận được xấp xỉ dạng rời rạc.
- Convergence Behavior: Các nghiên cứu thực nghiệm cho thấy các bộ tối ưu bán phương sai không ràng buộc không luôn hội tụ tới các ‘giải pháp góc’ cực đoan như lý thuyết dự đoán; thay vào đó, chúng thường tạo ra các phân bổ đa dạng, đặc biệt khi phân phối lợi nhuận không phải Gaussian hoặc có đuôi dày.
- Data Sensitivity: Tối ưu hoá PMPT nhạy cảm hơn với việc lựa chọn mức lợi nhuận mục tiêu và các giả định về phân phối lợi nhuận so với MPT. Những thay đổi nhỏ trong mục tiêu hoặc sai số ước tính các khoảnh khắc giảm có thể ảnh hưởng đáng kể đến trọng số tối ưu.
- Computational Complexity: Mặc dù có thể giải quyết được cho các vũ trụ tài sản vừa phải, DRO trở nên nặng nề hơn về mặt tính toán so với MVO khi giải quyết các vấn đề quy mô lớn do trọng số rủi ro không đối xứng và tính phi lồi trong các công thức LPM bậc cao hơn.
- Goal Alignment: PMPT tỏa sáng khi mục tiêu của nhà đầu tư được xác định rõ ràng (ví dụ, tài trợ cho một dòng nợ đã biết), nhưng lợi thế của nó so với MPT giảm đi khi các mục tiêu là tùy ý hoặc khi phân phối lợi nhuận đối xứng và có đuôi mỏng.
Giả sử một nhà đầu tư đặt mục tiêu lợi nhuận hàng năm 5% và đánh giá hai lớp tài sản dựa trên lợi nhuận hàng năm lịch sử:
- Tài sản A: lợi nhuận [2%, 6%, 8%, 4%]
- Tài sản B: lợi nhuận [3%, 3%, 7%, 7%]
Đối với Tài sản A, các sai lệch dưới 5% là [−3%, 0%, 0%, −1%] → bình phương các giá trị âm: [9, 0, 0, 1] → bán‑phương sai = 2.5. Đối với Tài sản B, các sai lệch dưới 5% là [−2%, −2%, 2%, 2%] → bình phương các giá trị âm: [4, 4, 0, 0] → bán‑phương sai = 2.0.
Cả hai tài sản đều có trung bình giống nhau (5%), nhưng Tài sản A mang rủi ro giảm lớn hơn (bán‑phương sai 2.5 so với 2.0) vì các khoản thiếu hụt dưới mục tiêu 5% của nó lớn hơn, do đó một nhà đầu tư tránh lỗ khi tối ưu theo PMPT sẽ ưu tiên Tài sản B. Hai khung phương pháp khác nhau rõ rệt nhất khi các tài sản có cùng phương sai tổng nhưng khác nhau về shape của phân phối lợi nhuận: vì phương sai tổng cân bằng trọng số cho cả biến động lên và xuống, hai tài sản có cùng phương sai có thể có bán‑phương sai rất khác nhau khi lợi nhuận của chúng lệch — và chính sự bất đối xứng đó là điều mà PMPT được xây dựng để định giá.
Tài liệu tham khảo
Tối ưu PMPT khác gì so với Lý thuyết Danh mục Đầu tư Hiện đại (MPT)?
Tối ưu PMPT thay thế chỉ số rủi ro đối xứng của MPT (độ lệch chuẩn) bằng rủi ro giảm bất đối xứng—tập trung vào các lợi nhuận dưới mức mục tiêu hoặc mức chấp nhận tối thiểu—điều này phản ánh tốt hơn sự không chịu đựng lỗ của nhà đầu tư hơn là chỉ biến động.
Mục tiêu cốt lõi của tối ưu PMPT là gì?
Mục tiêu cốt lõi là tối đa hoá lợi nhuận với mức rủi ro giảm đã cho so với mức lợi nhuận mục tiêu đã định, cho phép xây dựng danh mục phù hợp hơn với các mục tiêu thực tế của nhà đầu tư như đáp ứng các khoản nợ hoặc tránh hiệu suất kém.
Các chỉ số rủi ro giảm thường dùng trong tối ưu PMPT là gì?
Các chỉ số thường gặp bao gồm bán‑phương sai (khoảnh khắc phần thấp bậc hai), bán‑độ lệch chuẩn và hệ số Sortino—mỗi chỉ số chỉ đo lường các lợi nhuận dưới một ngưỡng nhất định thay vì toàn bộ độ phân tán.