後現代投資組合理論（PMPT）最佳化
後現代投資組合理論（PMPT）最佳化是一種透過最小化下行風險（定義為低於特定目標或最低可接受報酬的回報），而非總變異數，來建構投資組合的框架。它在現代投資組合理論（MPT）的基礎上延伸，因為投資人通常對損失與獲利的感知是非對稱的：對於不足的敏感度高於對上行波動的敏感度。因而，PMPT 最佳化將均值‑變異數最佳化（MVO）取代為下行風險最佳化（DRO），並以半變異數、半標準差或 Sortino 比率等指標指導資產配置決策。
與 MPT 假設投資人關注回報相對於平均值的散布且不分方向不同，PMPT 明確將風險定義為未達成目標（如負債支付計畫、基準或個人報酬底線）的情況。此特性使 PMPT 特別適用於退休規劃、基金會捐贈金管理以及其他下滑會產生具體後果的情境。
PMPT 最佳化求解使預期報酬最大化且受下行風險限制的投資組合權重，或等價地在目標報酬下最小化下行風險。此最佳化問題通常以下偏矩（LPM）表述，目標函數僅整合低於目標報酬 \(T\) 的平方偏差：
\[\text{Minimize } \text{LPM}_2(T) = \int_{-\infty}^{T} (T - r)^2 f(r) \, dr\]其中 \(r\) 為隨機報酬， \(f(r)\) 為其機率密度函數。實務上，常以歷史或模擬的報酬分布來近似：
\[\widehat{\text{LPM}}_2(T) = \frac{1}{N} \sum_{t=1}^{N} \max(0, T - r_t)^2\]此目標取代了 MVO 中使用的變異數項 \(\sigma^2 = \frac{1}{N} \sum (r_t - \bar{r})^2\)。由此產生的有效前緣在報酬‑下行風險平面上呈凹形，且通常能產生相對於目標較低的表現不佳機率的投資組合。
- 目標報酬 (T)： 預先設定的基準——例如通膨加 3%、負債現金流，或無風險利率——用以界定「不理想」報酬的門檻。
- 半變異數 / 半偏差： 目標以下報酬的變異數或標準差，作為風險度量指標。
- Sortino 比率： 超過目標的超額報酬除以半偏差，用作最佳化或排序時的績效衡量。
- 下行風險最佳化 (DRO)： 解決 PMPT 目標的計算方法，當報酬以離散方式近似時，常以二次規劃實作。
- 收斂行為： 實證研究顯示，未受限制的半變異數最佳化器未必總會如理論所預測收斂至極端「角落解」；相反地，它們常產生多元化配置，尤其在報酬分布非高斯或具肥尾時更是如此。
- 資料敏感度： 相較於 MPT，PMPT 最佳化對目標報酬的選擇與報酬分布假設更為敏感。目標的微小變動或下行矩的估計誤差皆可能顯著影響最佳權重。
- 計算複雜度： 雖然在中等規模資產池下仍具可解性，但因風險加權非對稱及高階 LPM 公式的非凸性，DRO 在大規模問題上相較 MVO 會更耗算力。
- 目標對齊： 當投資人目標明確（例如資助已知的負債現金流）時，PMPT 表現優異；但若目標隨意或報酬分布呈對稱且薄尾時，其相對於 MPT 的優勢會減弱。
假設投資人以 5% 年報酬為目標，並以歷史年報酬評估兩個資產類別：
- 資產 A：報酬為 [2%， 6%， 8%， 4%]
- 資產 B：報酬為 [3%， 3%， 7%， 7%]
對於資產 A，低於 5% 的偏差為 [−3%， 0%， 0%， −1%] → 負值平方後為 [9, 0, 0, 1] → 半變異數 = 2.5。 對於資產 B，低於 5% 的偏差為 [−2%， −2%， 2%， 2%] → 負值平方後為 [4, 4, 0, 0] → 半變異數 = 2.0。
兩項資產的平均值相同（5%），但資產 A 的下行風險較大（半變異數 2.5 對 2.0），因為其低於 5% 目標的短缺幅度較大；因此，採取損失厭惡且以 PMPT 進行最佳化的投資人會偏好資產 B。當資產的總變異數相同但回報分布的形態不同時，兩種框架的差異最為顯著：總變異數對上行與下行偏差加權相等，故即使變異數相同，只要回報呈偏斜，半變異數就可能大相徑庭——而這正是 PMPT 所要為之定價的非對稱性。
PMPT 最佳化與現代投資組合理論（MPT）有何不同？
PMPT 最佳化將 MPT 的對稱風險衡量（標準差）替換為非對稱的下行風險——聚焦於低於目標或最低可接受水平的報酬——更能反映投資人對損失的厭惡，而非單純的波動性。
PMPT 最佳化的核心目標是什麼？
其核心目標是在相對於特定目標報酬的給定下行風險水平下，最大化報酬，從而打造更符合實務投資人目標（如滿足負債需求或避免表現不佳）的投資組合。
PMPT 最佳化常用的下行風險指標有哪些？
常見指標包括半變異數（階二下偏矩）、半標準差以及 Sortino 比率——這些指標僅衡量低於門檻的報酬，而非整體波動。