Estimation robuste de la matrice de covariance et allocation de portefeuille : le cas des actifs non homogènes.

Résumé Cet article présente comment les améliorations les plus récentes apportées à l'estimation de la matrice de covariance et à la sélection de l'ordre des modèles peuvent être appliquées au problème d'optimisation de portefeuille. Notre étude est basée sur le cas du Portefeuille de Variété Maximale et peut évidemment être étendue à d'autres cadres classiques avec des résultats analogues. Nous nous concentrons sur le fait que les actifs doivent de préférence être classés en groupes homogènes avant d'appliquer la méthodologie proposée qui consiste à blanchir les données avant d'estimer la matrice de covariance en utilisant le M-estimateur robuste de Tyler et la théorie des matrices aléatoires (RMT). La procédure proposée est appliquée et comparée aux techniques standard sur des données de marché réelles, montrant des améliorations prometteuses.