Collin-Dufresne, Daniel, Sağlam & Moallemi (2014) — Dynamic Asset Allocation with Predictable Returns and Transaction Costs
大白话：在预期收益可预测、且收益与状态呈线性时不变关系的假设下，动态资产配置有闭式解——不用数值求解就能算出「什么时候该加仓、什么时候该减仓」。
文献信息
- 作者：Pierre Collin-Dufresne (EPFL); Kent Daniel (Columbia); Mehmet Sağlam (University of Cincinnati); Ciamac C. Moallemi (Columbia)
- Dates: Preliminary Aug 15, 2013; this draft Dec 22, 2014
- 出处：Working paper, Columbia Business School / EPFL / University of Cincinnati
- SSRN: abstract id 7384838
- Pages: ~70 (working paper length; full text)
- 本地 PDF:
raw/papers/201412-dynamic-asset-allocation-predictable-returns-transaction-costs/paper.pdf
关键贡献
提出 LGS (Linearity-Generating Strategies) 参数族: 每只证券的持仓 / 交易 = 一组 exposures 在历史收益缩放下的线性组合; 在 LGS 参数族内, 非线性动态规划降为确定型 LQ 优化, 闭式可解。同时容纳:
- 大 N 证券 (实证 N=100)
- 多因子收益过程
- 随机波动 (实证 GJR-GARCH(1,1) on market + idiosyncratic)
- 二次交易成本 (实证与个股波动率联动)
- 多个预测变量
- 多期 (multi-period, not one-shot)
是 BSV 2009 (in-sample numerical) 与 L-GP (closed-form, but constant Σ) 的统一 + 推广。
主要结果
第 2 节 — 模型与 LGS
- 投资者目标: E[W_T] - \tfrac{\gamma}{2}\mathrm{Var}[W_T] (dollar-amount LQ)
- 收益过程: \mu_t(X_t), \Sigma_t(X_t), 一般因子 + SV
- TC: \eta_i u_{i,t}^2/2 (二次, 可时变)
- LGS 定义 (Section 2.5): u_{i,t} = \sum_{s \le t} \theta_{i,s,t}^\top B_{i,s\to t}, \quad x_{i,t} = \sum_{s \le t} \pi_{i,s,t}^\top B_{i,s\to t} 其中 B_{i,s\to t} = B_{i,s} \cdot R_{i,s\to t} (scale-invariant exposure)
- 关键定理 (2.5.1): 在 LGS 内, 动态规划降为 (\theta, \pi) 的确定型 LQ 问题, 闭式解
- Section 2.6: 完整 closed-form solution
第 3 节 — 模拟（10,000 条路径）
特质模型（无共同因子，Σ 恒定）
| t-cost | MP | MP-TC | GP | GP-R | LGS (BL) |
|---|---|---|---|---|---|
| Zero obj | 2739.75 | 2739.75 | 1704.41 | 2739.75 | 2739.65 |
| Low obj | 254.34 | 255.08 | 207.59 | 327.39 | 329.55 |
| Med obj | 147.83 | 147.92 | 119.73 | 187.74 | 190.04 |
| High obj | 85.28 | 85.33 | 66.26 | 103.22 | 105.46 |
因子模型（Σ 通过因子载荷随机生成）
- LGS (BL) 显著优于: zero t-cost 下 obj +14% over second-best
- L-GP (GP-R) 严重失效: 因子加载变化 → Σ 随机, L-GP 假设违反
- GP (无 resolve) 表现极差, MP-TC 第三梯队
第 4 节 — NYSE 1974–2013，100 只最大市值 + 反转因子
- 因子模型: 短期反转, half-life ≈ 2.4 天 (\beta_r = 0.72), EWMA 残差
- 市场 / 残差波动: GJR-GARCH(1,1) 各自估计
- TC: 与个股波动率联动 (per CD 2013)
| 指标 | MP (myopic) | LGS (RBL) |
|---|---|---|
| Avg Objective | 718.6 | 724.4 |
| SR of Terminal Wealth | 0.9108 | 0.962 |
| SR of Daily Profit | 0.7164 | 0.7883 |
| Total TC | 178.1 | 166.1 |
LGS 比 myopic Sharpe 高 ~5% (terminal) / ~10% (daily), 同时总 TC 更低 — 聪明的多期调仓换更少成本换更高 Sharpe。
注意: 近年 (2007-) 反转策略累计利润明显衰减 — 与 R / Khandani-Lo 2007 衰减一致。
局限
- Exposures 设计: 当前手工选 (K 个), 没有系统化方法
- TC 函数: 仅二次; 真实市场含非线性 impact (Almgren-Chriss); 论文未处理
- A 股 / 涨跌停 / T+1: 硬制度约束未涉及 (实证 NYSE)
- LGS 解只对 LGS 族最优: 真正的全局最优可能超出此族, 但暴露足够多时差距小
- 模型依赖: 与 L-GP / BSV 一样需要 explicit return generating process specification
与既有文献的关系
| 文献 | 与本文关系 |
|---|---|
| Merton (1969, 1971) 动态 Merton | 不带 TC, 无闭式 |
| Constantinides (1986), Davis-Norman (1990) | 2 资产 + TC, 无可预测 |
| Litterman (2005), Gârleanu-Pedersen (2012) L-GP | 闭式, 但 Σ 不变; 因子模型下显著劣于本文 |
| Brandt-Santa-Clara-Valkanov (2009) BSV | 非闭式 in-sample 数值; 本文 LGS 是其闭式泛化 |
| Brown-Smith (2010) | 启发式 + 对偶界; 本文闭式 |
| Lynch-Tan (2011) | 2 资产, 数值; 本文 large-N |
| Collin-Dufresne-Daniel (2013) | 短期反转因子动态模型; 本文 Section 4 实证的因子模型 |
引入 / 引用的概念
- Linearity-Generating Strategies (LGS) — 核心新概念
- Mean-Variance Optimization with Transaction Cost — 单期 regime-conditional 目标, LGS 是其多期底层解法
- Risk Parity / Volatility-Managed Portfolio (波动率管理组合) — 可作为 LGS 中的 exposure
- Distributionally Robust Optimization — 与 LGS 互补 (输入侧 vs 决策侧不确定性)
相关实体
- Pierre Collin-Dufresne — EPFL
- Kent Daniel — Columbia Business School
- Ciamac C. Moallemi — Columbia Business School
- (未建 entity) Mehmet Sağlam — University of Cincinnati
来源
- summaries/201412-dynamic-asset-allocation-predictable-returns-transaction-costs/201412-dynamic-asset-allocation-predictable-returns-transaction-costs — (2026-09-02) 中文摘要
- 原文: Working paper, Dec 22 2014; SSRN 7384838
- 本地 PDF:
raw/papers/201412-dynamic-asset-allocation-predictable-returns-transaction-costs/paper.pdf