DeMiguel, Garlappi & Uppal (2009) — "Optimal Versus Naive Diversification: How Inefficient is the 1/N Portfolio Strategy?"
大白话：Review of Financial Studies, 22(5), 1915–1953。14 个优化模型在 7 个数据集上无一稳定打赢等权 1/N；要让均值-方差在样本外胜出需要 3000–6000 个月的估计窗口。样本内夏普 0.3848 样本外掉到 0.0794，而 1/N 是 0.1876（S&P Sectors）。
引用
DeMiguel, V., Garlappi, L., & Uppal, R. (2009). "Optimal Versus Naive Diversification: How Inefficient is the 1/N Portfolio Strategy?" The Review of Financial Studies, 22(5), 1915–1953.
设计
- 14 个模型：mv、Bayes-Stein、Bayesian dm、min、vw、MacKinlay-Pástor mp、约束四版 (mv-c/bs-c/min-c/g-min-c)、Kan-Zhou 三基金、ew-min、多先验
- 7 个数据集：S&P 十板块、十行业、8 国指数、MKT/SMB/HML、FF 20 组合 × 3 个因子集
- 三个标准：样本外夏普（Jobson-Korkie/Memmel 检验）、CEQ、换手
关键数字
| 结果 | 数字 |
|---|---|
| mv 样本内 vs 1/N（S&P Sectors 夏普） | 0.3848 vs 0.1876 |
| mv 样本外（同一数据集） | 0.0794——比 1/N 差 |
| International 数据集样本外 | −0.0332（样本内 0.2090） |
| 临界估计窗口（25 资产） | 约 3000 个月 |
| 临界估计窗口（50 资产） | 约 6000 个月 |
| 实践常用窗口 | 60 或 120 个月 |
唯一例外：Jagannathan-Ma 约束最小方差在夏普上最好，但 7 个数据集只赢 1 个显著、CEQ 从不显著占优、换手永远更高。
边界：结论基于股票组合而非个股——组合特质波动低，naive 分散化损失小；模拟显示只有特质波动极高时优化才胜出。无约束模型比约束模型差得多；约束主要降换手，夏普改善有限。
完整摘要
见 摘要页。
相关
- 马科维茨诅咒 · Black-Litterman 模型
- Fischer Black — Black-Litterman 1992