Resampled efficient frontier – en mer robust måte å optimalisere porte

Hva er resampled efficient frontier?

Resampled efficient frontier (REF) er en avansert metode for porteføljeoptimering som bygger videre på Harry Markowitz' moderne porteføljeteori (MPT). I MPT tegner man en såkalt effisient frontier – en kurve som viser den beste kombinasjonen av forventet avkastning og risiko (standardavvik) for en gitt portefølje av aktiva. Problemet er at denne fronten er ekstremt følsom for små endringer i inputdataene: forventet avkastning, volatilitet og korrelasjon. Disse størrelsene er alltid estimater, og selv små feil kan føre til at den optimale porteføljen hopper fra ekstreme vekter til helt andre ekstreme vekter.

REF løser dette ved å simulere et stort antall mulige fremtidige datasett basert på de opprinnelige estimatene. For hvert simulert datasett beregnes en ny effisient frontier. Til slutt midles alle disse frontene sammen til én gjennomsnittlig frontier. Resultatet er en jevnere og mer stabil kurve, og porteføljevektene langs denne kurven blir mindre ekstreme og mer diversifiserte.

Metoden ble først beskrevet av Richard Michaud i 1998 i boken «Efficient Asset Management», og senere patentert av selskapet New Frontier. Den regnes i dag som en av de mest praktiske måtene å håndtere estimeringsusikkerhet i porteføljeoptimering på.

Forstå resampled efficient frontier

For å forstå verdien av REF må man først forstå svakheten ved den tradisjonelle effisiente fronten. Tenk deg at du har to aktiva: en norsk aksjefond og et norsk obligasjonsfond. Du estimerer forventet avkastning til henholdsvis 7 % og 2 %, volatilitet til 15 % og 5 %, og en korrelasjon på 0,2. En tradisjonell optimering vil gi en portefølje som maksimerer avkastning per risikoenhet. Men hvis du endrer forventet avkastning på aksjer fra 7 % til 7,1 %, kan den optimale porteføljen plutselig hoppe fra 60 % aksjer til 80 % aksjer. Slike hopp er lite intuitive og fører til hyppige og kostbare rebalanseringer.

REF jevner ut disse hoppene. I stedet for å stole på ett sett med estimater, genererer den tusenvis av plausible sett. For hvert sett beregnes en optimal portefølje, og så midles vektene. Slik får man en portefølje som fungerer godt over et bredt spekter av mulige fremtider, ikke bare den ene vi har estimert.

En annen måte å se det på: Tradisjonell effisient frontier er som et kart med én sti. REF er som et kart med mange stier som er midlet sammen – du ser den mest robuste ruten, ikke den som bare er best under én bestemt forutsetning. Dette gjør REF spesielt attraktiv for langsiktige investorer som ønsker stabile allokeringer.

Hvordan fungerer resampled efficient frontier?

Prosessen bak REF kan deles inn i fire trinn:

1. Estimer inputparametere: Basert på historiske data (for eksempel de siste 5–10 årene) beregner du forventet avkastning, volatilitet og korrelasjonsmatrise for aktivaene i universet ditt. Dette er de samme dataene som brukes i tradisjonell Markowitz-optimering.

2. Generer simulerte datasett: Ved hjelp av Monte Carlo-simulering trekker du et stort antall (for eksempel 1000) nye datasett fra en multivariat normalfordeling med de estimerte parameterne. Hvert datasett representerer et mulig fremtidig scenario med egne avkastninger og risikoer.

3. Beregn effisiente fronter for hvert simulert datasett: For hvert av de 1000 datasettene utfører du en tradisjonell Markowitz-optimering og finner den effisiente fronten. Du får altså 1000 ulike fronter, hver med sine optimale porteføljer for ulike risikonivåer.

4. Midl over frontene: For hvert risikonivå (for eksempel 10 % standardavvik) beregner du gjennomsnittsvektene på tvers av alle 1000 simuleringene. Disse gjennomsnittsvektene utgjør den resamplede effisiente fronten. Du kan deretter velge den porteføljen som passer din risikotoleranse.

Tabellen under viser et forenklet eksempel med to aktiva (aksjer og obligasjoner) og 100 simuleringer. Legg merke til hvordan de resamplede vektene er mer moderate enn de tradisjonelle.

Historisk bakgrunn

Konseptet bak resampled efficient frontier ble først presentert av Richard O. Michaud i en artikkel i 1998 og senere i boken «Efficient Asset Management». Michaud var på den tiden direktør for kvantitativ forskning hos en stor kapitalforvalter, og han så at tradisjonell optimering ofte førte til urimelige porteføljeforslag i praksis.

Sammen med sin sønn Robert Michaud utviklet han en patentert algoritme for REF, som ble lisensiert til selskapet New Frontier. New Frontier bruker i dag REF i sine forvaltede ETF-porteføljer, og metoden har fått oppmerksomhet i finanspressen, blant annet i Forbes i 2009.

Selv om REF ikke er like utbredt som tradisjonell Markowitz-optimering, har den vunnet terreng blant kvantitative forvaltere og i akademisk litteratur. Flere studier viser at REF gir porteføljer som er mer robuste utenfor utvalget (out-of-sample) sammenlignet med tradisjonelle metoder. I Norge har metoden blitt tatt i bruk av enkelte fondsforvaltere og private bankers rådgivningsverktøy.

Praktisk eksempel

La oss ta et norsk eksempel. Du vurderer en portefølje med tre aktiva: norske aksjer (OBX-indeksen), norske statsobligasjoner og globale aksjer (MSCI World). Basert på data fra de siste 10 årene estimerer du følgende:

• Forventet årlig avkastning: OBX 8 %, obligasjoner 2 %, globale aksjer 6 %.
• Årlig volatilitet: OBX 15 %, obligasjoner 5 %, globale aksjer 12 %.
• Korrelasjoner: OBX vs obligasjoner 0,1; OBX vs globale aksjer 0,7; obligasjoner vs globale aksjer 0,0.

Med tradisjonell Markowitz-optimering for et risikonivå på 10 % årlig standardavvik får du en portefølje med 80 % i globale aksjer, 15 % i norske aksjer og 5 % i obligasjoner. Dette er svært konsentrert og følsomt for små endringer i estimatene.

Ved å kjøre 1000 Monte Carlo-simuleringer og midle over de effisiente frontene får du en resampled portefølje: 55 % globale aksjer, 30 % norske aksjer og 15 % obligasjoner. Denne porteføljen er mer balansert og vil trolig prestere mer stabilt dersom de faktiske fremtidige avkastningene avviker fra estimatene.

Tabellen under oppsummerer forskjellen:

Aktivaklasse	Tradisjonell vekt	Resampled vekt
Globale aksjer	80 %	55 %
Norske aksjer	15 %	30 %
Obligasjoner	5 %	15 %

Legg merke til at den resamplede porteføljen har lavere eksponering mot globale aksjer og høyere mot norske aksjer og obligasjoner, noe som gir bedre diversifisering.

Fordeler og ulemper

Fordeler:

• Reduserer estimeringsrisiko: REF gir porteføljer som er mindre avhengige av presise estimater.
• Stabile vekter: Små endringer i input fører ikke til store omallokeringer, noe som reduserer transaksjonskostnader.
• Bedre diversifisering: REF unngår ekstreme vekter og sprer risikoen jevnere.
• Intuitiv for investorer: Porteføljene virker mer fornuftige og mindre «black box».

Ulemper:

• Krever datakraft og tid: 1000+ simuleringer tar lengre tid enn én enkelt optimering.
• Avhenger av kvaliteten på de opprinnelige estimatene: Dårlige historiske data gir dårlige simuleringer (garbage in, garbage out).
• Ikke et universalmiddel: REF håndterer estimeringsusikkerhet, men ikke modellrisiko eller ekstreme hendelser (svarte svaner).
• Kan være kompleks å forklare for mindre erfarne investorer.

Vanlige misforståelser

«REF gir høyere avkastning» – Nei, REF reduserer risikoen for store feil, men den forventede avkastningen er fortsatt basert på de opprinnelige estimatene. Den kan ikke skape meravkastning ut av ingenting.

«REF er bare for akademikere» – Tvert imot, flere kommersielle porteføljeforvaltere bruker REF, og det finnes verktøy som gjør metoden tilgjengelig for private investorer. New Frontier tilbyr for eksempel forvaltede porteføljer basert på REF.

«REF eliminerer all usikkerhet» – REF håndterer estimeringsusikkerhet, men ikke markedsrisiko eller sjokk som finanskriser. En REF-portefølje kan fortsatt tape penger i dårlige markeder.

«REF er det samme som å bare midle over flere historiske perioder» – Nei, REF simulerer nye datasett basert på estimert fordeling, ikke bare å ta gjennomsnitt av historiske perioder. Dette gir et bredere spekter av mulige utfall.

Oppsummering

Resampled efficient frontier er en praktisk og robust videreutvikling av den klassiske effisiente fronten. Ved å bruke Monte Carlo-simulering reduserer den problemet med at små endringer i input fører til store endringer i porteføljevektene. Resultatet er mer stabile, diversifiserte og intuitive porteføljer.

Metoden er spesielt nyttig for langsiktige investorer som ønsker å unngå unødvendig rebalansering og som er klar over at estimater alltid er usikre. Selv om REF ikke er perfekt, er den et betydelig fremskritt sammenlignet med tradisjonell optimering.

For norske investorer kan REF være et nyttig verktøy i byggingen av en portefølje med for eksempel norske og globale aksjer, obligasjoner og eiendom. Det finnes flere nettbaserte verktøy og profesjonelle rådgivere som kan hjelpe med å implementere metoden.