A robust optimization framework for the enhanced index tracking problem

N. Sadeghi

doi:10.1111/itor.70191

2026-04-21

PRE

N. Sadeghi *

F. Hooshmand *

S.A. MirHassani *

DOI：10.1111/itor.70191

原文链接

原文求助

摘要

En 中文

增强型指数跟踪（EIT）问题旨在构建一个不仅镜像市场指数变动，还能实现更优收益的投资组合。在构建此问题时，历史数据通常被视为情景。然而，这种观点可能导致信息损失，因为历史模式不能保证在未来重现。为考虑偏离历史情景的潜在因素，本文提出了EIT问题的鲁棒性构建方法。考虑两种误差函数来量化投资组合收益与指数收益的偏离：均方偏差（MSD）和均方下行偏差（MSDD）。针对MSD跟踪误差的鲁棒性构建存在显著挑战。本文首先讨论了引入MSD误差的困难，并阐明为何基于MSDD构建的方法不能直接应用于MSD模型。随后，将MSD误差问题构建为双层优化模型，并采用分解启发式算法求解，运用基于最小绝对收缩和选择算子（LASSO）的技术处理基数约束。为评估所提模型在极端市场条件下的鲁棒性，本文评估了其在2008年金融危机和2019冠状病毒病（COVID-19）大流行期间的表现。基于主要国际股市数据的实验结果突显了MSD模型相较于MSDD鲁棒模型的优越性。此外，所提模型还与三种近期开发的成熟EIT模型进行了比较，结果表明该模型相较于其他模型同样表现出色。

Keyword:

enhanced index tracking

absolute and downside deviations

robust optimization

bi-level model

decomposition algorithm

LASSO technique