后现代投资组合理论（PMPT）优化
后现代投资组合理论（PMPT）优化是一种通过最小化下行风险（即低于特定目标或最低可接受收益的回报）来构建投资组合的框架，而非最小化总体方差。它在现代投资组合理论（MPT）的基础上进行扩展，认识到投资者对损失和收益的感知是非对称的：他们对收益不足的敏感度高于对上行波动的敏感度。因此，PMPT 优化用下行风险优化（DRO）取代均值‑方差优化（MVO），并使用半方差、半偏差或 Sortino 比率等指标来指导资产配置决策。
与假设投资者关心收益围绕均值的离散程度且不区分方向的 MPT 不同，PMPT 明确将风险建模为未能达成目标（如负债计划、基准或个人收益底线）。因此，PMPT 特别适用于退休规划、基金会管理以及其他对业绩不达标会产生明确后果的情境。
PMPT 优化求解能够在满足下行风险约束的前提下最大化预期收益，或等价地在达到目标收益的前提下降低下行风险。该优化问题通常使用下偏矩（LPM）表述，目标函数仅对低于目标收益 \(T\) 的平方偏差进行积分：
\[\text{Minimize } \text{LPM}_2(T) = \int_{-\infty}^{T} (T - r)^2 f(r) \, dr\]其中 \(r\) 为随机收益， \(f(r)\) 为其概率密度函数。实际操作中，通常使用历史或模拟的收益分布进行近似：
\[\widehat{\text{LPM}}_2(T) = \frac{1}{N} \sum_{t=1}^{N} \max(0, T - r_t)^2\]该目标取代了MVO中使用的方差项 \(\sigma^2 = \frac{1}{N} \sum (r_t - \bar{r})^2\)。由此得到的有效前沿在收益‑下行风险平面上呈凹形，通常能够生成相对于目标回报而言更低的业绩不达标概率的投资组合。
- 目标回报 (T)： 预先设定的基准——例如通胀率加3%、某项负债现金流或无风险利率——用于界定“不可接受”回报的阈值。
- 半方差 / 半偏差： 目标以下收益的方差或标准差，作为风险度量指标。
- 索提诺比率： 超过目标的超额收益除以半偏差，用作优化或排序时的绩效衡量。
- 下行风险优化（DRO）： 求解PMPT目标的计算方法，收益离散近似时常采用二次规划实现。
- 收敛行为： 实证研究表明，无约束的半方差优化器并不总是如理论所预期收敛到极端的“角点解”；相反，它们往往产生更为分散的资产配置，尤其在收益分布呈非正态或具肥尾特征时。
- 数据敏感性： 与MPT相比，PMPT优化对目标回报的设定及收益分布假设更为敏感。目标的微小变动或下行矩估计误差均可能显著影响最优权重。
- 计算复杂度： 对于中等规模的资产集合仍可处理，但在大规模问题上，DRO因风险加权非对称以及高阶LPM模型的非凸性，计算负担比MVO更重。
- 目标匹配度： 当投资者目标明确（例如为已知负债现金流提供资金）时，PMPT表现突出；但若目标随意或收益分布对称且薄尾时，其相对于MPT的优势会减弱。
假设投资者的年化目标回报为5%，并使用历史年化收益对两类资产进行评估：
- 资产A：收益为 [2%， 6%， 8%， 4%]
- 资产B：收益为 [3%， 3%， 7%， 7%]
对资产A而言，低于5%的偏差为 [−3%， 0%， 0%， −1%] → 负偏差平方为 [9, 0, 0, 1] → 半方差 = 2.5。 对资产B而言，低于5%的偏差为 [−2%， −2%， 2%， 2%] → 负偏差平方为 [4, 4, 0, 0] → 半方差 = 2.0。
两只资产的平均回报相同（5%），但资产A的下行风险更大（半方差2.5 对比 2.0），因为其低于5%目标的亏损幅度更大。因此，风险规避型投资者在PMPT框架下进行优化时会倾向选择资产B。当资产的总体方差相同但收益分布的shape不同，两个框架的差异最为显著：总体方差对上行和下行偏差赋予相同权重，因而在收益偏斜时，即使方差相同，半方差也可能大相径庭——正是这种不对称性是PMPT所要衡量的。
参考文献
PMPT 优化与现代投资组合理论（MPT）有何区别？
PMPT 优化用非对称的下行风险取代 MPT 的对称风险度量（标准差），聚焦于低于目标或最低可接受水平的收益——更准确地反映投资者对损失的厌恶，而非单纯的波动性。
PMPT 优化的核心目标是什么？
核心目标是，在相对于特定目标收益的给定下行风险水平下，实现收益最大化，从而构建更符合实际投资者目标的投资组合，如满足负债需求或避免业绩不佳。
PMPT 优化中常用的下行风险指标有哪些？
常用指标包括半方差（二阶下偏矩）、半偏差以及 Sortino 比率——它们仅衡量低于阈值的收益，而非整体波动。