High-dimensional Robust Portfolio Optimization Under Contamination: A Factor-Analytic Approach

4 apr 2025·
Stefano Blando
Stefano Blando
,
Alessio Farcomeni
· 0 min di lettura
Abstract
Questo lavoro affronta la sfida dell’ottimizzazione di portafoglio in contesti high-dimensional (p > n) affetti da contaminazione sparsa (outlier). Proponendo un approccio robust Factor-Analytic, lo studio mostra come stabilizzare la stima della matrice di covarianza contro anomalie nei dati. Le strategie di allocazione risultanti mostrano resilienza e rendimenti corretti per il rischio superiori rispetto ai framework Mean-Variance tradizionali, soprattutto durante shock di mercato.
Tipo
Publicazione
Computational Economics (in review)
publications
Quantitative Finance Robust Statistics Portfolio Optimization High-Dimensional Data R
Stefano Blando
Authors
Stefano Blando (lui/lui)
Dottorando in Intelligenza Artificiale
Stefano Blando e dottorando nel Programma Nazionale di Dottorato in Intelligenza Artificiale presso la Scuola Superiore Sant’Anna e l’Universita di Pisa. La sua ricerca si colloca all’intersezione tra AI, agent-based modeling ed economia. Studia sistemi multi-agente adattivi, verifica statistica di simulazioni economiche e metodi quantitativi robusti per dati finanziari e socio-economici.
Authors
Alessio Farcomeni