重采样效率，以 Bootstrap 方式

Michaud (1998) 和 López de Prado (2016) 的重采样效率。Bootstrap 输入、逐个优化、再求平均。一种实用的 MVO 估计误差疗法。

第 8 篇 · 共 12 篇约 12 分钟

前面几篇文章展示了 Markowitz 不稳定性的一系列疗法：收缩、稳健优化、Black-Litterman、最小方差、CVaR。它们都有效，但都不是 Richard Michaud 提出的方案。

Michaud 1989 年的论文诊断了问题（估计误差）。他 1998 年的书 Efficient Asset Management（与 Robert Michaud 合著）提出了一个修复方案：重采样。思路在概念上很简单：对数据进行多次 bootstrap，对每个 bootstrap 样本做优化，对所得权重求平均。

这不是临时凑数的 hack，而是一种带贝叶斯色彩的处理输入不确定性的方法。每个 bootstrap 样本都是对同一潜在 $(\mu, \Sigma)$ 的有噪声估计。对这些有噪声的最优解求平均，给出”中心”最优的更稳定估计。

本文涵盖数学（基本就是 bootstrap 和平均）、与贝叶斯推断的联系、López de Prado 2016 年的改进，以及何时重采样值得付出计算代价的实践问题。

核心流程

用样本估计的标准 MVO：

从历史收益计算 $\hat{\mu}, \hat{\Sigma}$ 。
解 MVO 得到 $\hat{w}^\star$ 。

重采样效率：

生成 $B$ 个历史收益的 bootstrap 样本。
对每个 bootstrap 样本 $b$ ，计算 $(\hat{\mu}_b, \hat{\Sigma}_b)$ 并解 MVO 得到 $\hat{w}_b^\star$ 。
求平均： $\bar{w} = \frac{1}{B} \sum_{b=1}^B \hat{w}_b^\star$ 。

这就是基本流程。bootstrap 样本是”有放回”的，即从原始 $T$ 个观测中有放回地抽 $T$ 个。

对每个 bootstrap 样本，你得到不同的 $(\hat{\mu}_b, \hat{\Sigma}_b)$ 和不同的最优权重向量 $\hat{w}_b^\star$ 。 $\hat{w}_b^\star$ 之间的差异反映了优化器的抽样分布。求平均给出一个方差更小的点估计。

为什么平均有效

直觉来自估计量的标准偏差-方差权衡。

每个 $\hat{w}_b^\star$ 是”真实”最优权重 $w_0^\star$ （“真实”指数据生成过程下的最优）的一个有噪声估计。bootstrap 样本是来自估计量抽样分布的独立抽样。它们的平均具有相同的期望但更小的方差。

具体地：

\mathbb{E}[\bar{w}] = \mathbb{E}[\hat{w}_b^\star] = w_0^\star + \text{bias}

\text{Var}(\bar{w}) = \frac{1}{B} \text{Var}(\hat{w}_b^\star)

偏差不变（平均无法消除它）。方差缩减为 $1/B$ 。对 $B = 200$ ，相当于方差缩小 200 倍。

实践中，这意味着：重采样权重比朴素 MVO 权重更稳定（换手率更低、对自身的样本后跟踪误差更低）。它们也可能带来更低的收益样本外方差，但这取决于具体问题。

贝叶斯解读

平均有一种贝叶斯解读。在 $(\mu, \Sigma)$ 上的均匀先验下，bootstrap 分布近似于数据生成参数的后验分布。每个 bootstrap 样本都是从后验中的一次抽样。

bootstrap 最优解的平均是对优化器的贝叶斯后验均值的近似：

\bar{w} \approx \mathbb{E}[w^\star(\mu, \Sigma) | \text{data}]

这有时称为权重的”贝叶斯估计量”。它在平方误差下最小化后验期望损失。

这里有个微妙问题。贝叶斯最优组合（在比如均值-方差效用下）一般不等于 MVO 最优解的平均。两者只在特殊效用（风险厌恶系数为 1 的二次效用）或特定先验下才一致。Michaud 的重采样效率并不声称自己是完全贝叶斯的；它是一个实用的近似。

Michaud 的”效率”妙招

Michaud 不止于对权重求平均。他还提议对有效前沿求平均。

流程：

对每个 bootstrap 样本 $b$ ，计算有效前沿。
对平均前沿上的每一点（目标收益 $\bar{r}$ ），重采样效率权重是所有以 $\bar{r}$ 为目标的 bootstrap 样本下的权重平均。
重采样效率前沿是各 bootstrap 前沿的平均。

这比对单一目标收益求平均更一般。它给出一条比任何单一 bootstrap 前沿都更平滑的完整前沿。

数学上：

\bar{w}(\bar{r}) = \frac{1}{B} \sum_{b=1}^B \hat{w}_b^\star(\bar{r})

这给出一条作为 $\bar{r}$ 函数的重采样效率前沿。实践中，算一次就可以用它来选择目标收益。

López de Prado 的改进

在 Advances in Financial Machine Learning（2018，第 16 章）以及 2016 年的一篇工作论文中，López de Prado 把 Michaud 的流程形式化，并加入了若干改进。

改进 1：基于 NumPy 的 bootstrap，关注结构性断裂。 朴素 bootstrap 假设样本独立同分布。收益存在序列相关、波动率聚集和结构性断裂。López de Prado 推荐 block bootstrap 或 stationary bootstrap 来保留部分时间序列结构。

改进 2：每个 bootstrap 内做收缩。 对每个 bootstrap 样本，在解 MVO 之前对 $\hat{\Sigma}_b$ 做 Ledoit-Wolf 收缩。这把收缩与重采样叠加，获得额外稳健性。

改进 3：按置信度加权平均。 不做等权平均，而是按每个 bootstrap 解的似然加权。 $\hat{w}_b^\star$ 的权重正比于 $\exp(-\chi^2_b / 2)$ ，其中 $\chi^2_b$ 是 bootstrap 样本 $b$ 对原始数据的拟合优度。

改进 4：样本外评估。 用组合式净化交叉验证（同样来自 López de Prado）来评估样本外的重采样效率。标准回测因为不考虑序列相关而高估表现。

完整的 López de Prado 流水线在 mlfinlab 中实现。约 100 行 Python 代码。

一个可运行的实现

代码层面的基本流程：

import numpy as np
from scipy.optimize import minimize

def resampled_efficiency(returns, n_bootstrap=200, target_return=0.01):
    n_obs, n_assets = returns.shape
    weights = np.zeros((n_bootstrap, n_assets))
    
    for b in range(n_bootstrap):
        # Bootstrap resample (with replacement)
        idx = np.random.choice(n_obs, size=n_obs, replace=True)
        boot = returns[idx]
        
        mu_b = boot.mean(axis=0)
        Sigma_b = np.cov(boot.T)
        
        # Shrink Sigma for stability
        Sigma_b = ledoit_wolf_shrink(boot)
        
        # Solve MVO at target return
        weights[b] = solve_mvo(mu_b, Sigma_b, target_return)
    
    # Average across bootstraps
    return weights.mean(axis=0)

对 $N = 50$ 个资产、 $B = 200$ 次 bootstrap，现代机器几秒钟跑完。对 $N = 500$ 个资产、 $B = 1000$ ，需要几分钟。极易并行，可以简单地跨核分配。

问题

重采样效率并不完美。三个问题。

问题 1：计算成本。 每次 bootstrap 就是一个 QP 求解。对 $B = 200$ 且频繁重新估计，成本会累加。在跨度 20 年、月度再平衡的回测中，你可能要跑 240 次重采样优化，每次 200 个 bootstrap。合计 48,000 次 QP 求解。在笔记本上要跑几个小时。

问题 2：偏差没消除。 平均降低方差但不消除偏差。如果真实 $(\mu_0, \Sigma_0)$ 给出的权重系统性地偏离等权组合，重采样效率无法捕获。尤其是如果你的预期收益估计存在系统性偏差（这很常见；参见 Black-Litterman 那篇文章），重采样会继承这个偏差。

问题 3：bootstrap 假设。 bootstrap 假设你的历史样本能代表未来。如果未来结构性不同（状态切换、新资产类别、金融危机），bootstrap 分布就是错的。重采样效率会自信地给出错误答案。

第三点最为深刻。bootstrap 是频率派工具，它给出”在数据生成过程稳定假设下估计量的方差”。在金融中，这是一个强假设。样本外，重采样效率可能被不做此假设的简单方法压制。

与其他方法的比较

重采样效率相比替代方法表现如何？

vs. 朴素 MVO：重采样效率在样本外 Sharpe 上获胜。Michaud 原始论文在某些情况下显示年化 100-200 个基点的提升。

vs. Ledoit-Wolf 收缩：大致相当。两者都降低方差。重采样更贵但不需要选择收缩目标。

vs. Black-Litterman：目标不同。Black-Litterman 使用市场隐含先验；重采样效率使用 bootstrap 先验。Black-Litterman 允许纳入观点；重采样效率不允许。如果你有观点，Black-Litterman 更好；没有的话，两者相当。

vs. 风险平价：风险平价完全不用 $\mu$ 。重采样效率用（通过 MVO）。风险平价对 $\mu$ 的估计误差更稳健，但灵活性较差。

vs. 层次风险平价：HRP 不用 $\mu$ ，利用相关性结构进行配置。重采样效率联合使用 $\mu$ 和 $\Sigma$ ，但不利用结构。不同问题，不同工具。

底线：重采样效率是一种体面的中等复杂度方法。比朴素 MVO 好，与收缩相当，有观点时不如 Black-Litterman，没观点时与 HRP 相当。

何时使用

粗略地说：

你有一个中等规模的资产集合（ $N = 20$ 到 $200$ ）。
你对单个资产没有强烈观点。
你想要一个对估计误差稳健的方法。
你能负担计算成本。
你在做不允许做空的股票或均衡组合。

对没有观点层的量化多资产基金来说，这是一个不错的默认。它不适合 HFT（太慢）也不适合高度集中的选股组合（太过分散）。

理论依据

有一个潜在问题：为什么重采样有效？诚实的回答是：它在经验上有效，理论依据是局部的。

一种依据：一致性。当 $T \to \infty$ 且 $N$ 固定时，bootstrap 分布集中在真实参数附近。所以 $\bar{w}$ 收敛到 $w_0^\star$ （取决于 bootstrap 对真实 DGP 近似程度的偏差）。

另一种依据：通过正则化降低偏差。bootstrap 平均近似于平先验下的贝叶斯估计量。贝叶斯估计量通常比对应的频率派估计量具有更低的均方误差，特别是在有限样本下。

第三种依据（来自 López de Prado）：重采样是一种元学习。通过在不同数据子集上多次求解同一问题，你学到的是优化器的结构而非任何单一样本的结构。这在精神上类似于机器学习中的 bagging。

这些都不构成完整依据。重采样效率是一个有效的启发式方法。和金融中大多数启发式方法一样，理论落后于实践。

现代视角

Michaud 的重采样效率已经在业界悄然被采用。多数大型资产管理人会跑它的某种变体，通常与其他技术结合。“重采样前沿”是机构资产配置软件（Aladdin、Axioma、BarraOne 都有变体）中的标准工具。

最常见的生产配置：重采样，然后施加组合约束（不允许做空、行业上限、换手率限制）。这就把重采样的方差缩减与约束的正则化叠加在一起。

如果你在搭建组合构造流水线，并且想要一个站得住脚的默认，重采样效率是一个合理的选择。它对任何特定问题都不是最佳，但它对很多问题都稳健。

文献综述

Michaud (1989). “The Markowitz Optimization Enigma: Is ‘Optimized’ Optimal?” Financial Analysts Journal 45(1): 31-42. 误差放大器批评。
Michaud & Michaud (1998). Efficient Asset Management: A Practical Guide to Stock Portfolio Optimization and Asset Allocation. Harvard Business School Press. 重采样效率方案。
López de Prado (2016). “A Robust Estimator of the Covariance Matrix for Portfolio Construction.” Journal of Risk Model Validation 10(1): 55-72.
López de Prado (2018). Advances in Financial Machine Learning. Wiley. 第 16 章有完整实现。ISBN: 978-1-119-48208-6.
Scherer (2002). “Portfolio Construction with Resampled Efficient Frontiers: A Cautionary Note.” Journal of Risk 5(2): 67-78. 批评。
Cogneau & Hübner (2009). “The (In)Famous Resampled Efficient Frontier.” Journal of Asset Management 10(1): 50-62. 另一篇批评。
Simões, Gonçalves & Gomes (2019). “Resampled Efficient Frontier: A Comparison of Methods.” Journal of Banking and Finance 105: 169-186.

Bootstrap 分布详解

重采样效率取决于 $(\mu, \Sigma)$ 的 bootstrap 分布。两种 bootstrap 风格。

朴素 bootstrap：从历史收益中有放回地抽样。每个样本与原始样本等长。使用样本均值和协方差作为输入。

Block bootstrap：把历史收益分成块，对块有放回抽样。每个样本保留块内的序列相关。用于具有序列依赖的时间序列。

Stationary bootstrap：block bootstrap 的变体，块长随机（几何分布）。用于具有非常数方差的时间序列。

循环 bootstrap：把时间序列首尾相接，从起点抽样，取固定长度窗口。比朴素 bootstrap 保留更多结构。

对金融收益，block bootstrap 或 stationary bootstrap 是合适的。朴素 bootstrap 破坏了真实收益的序列相关和波动率聚集。

López de Prado 的实现：

def block_bootstrap(returns, block_size=21):
    """Block bootstrap with given block size."""
    T = len(returns)
    n_blocks = T // block_size
    samples = []
    for _ in range(n_blocks):
        start = np.random.randint(0, T - block_size)
        samples.append(returns[start:start + block_size])
    return np.vstack(samples)

这是基础的 block bootstrap。生产中，用带几何块长的 stationary bootstrap。

贝叶斯 bootstrap

频率派 bootstrap 的贝叶斯替代方案。不做有放回的重抽样，而是给每个历史观测分配一个 Dirichlet 分布的权重：

w_t \sim \text{Dirichlet}(\mathbf{1}), \quad \sum_t w_t = 1

“合成”样本均值是 $\sum_t w_t r_t$ ，“合成”协方差是 $\sum_t w_t (r_t - \bar{r})(r_t - \bar{r})^\top$ 。

贝叶斯 bootstrap 比频率派 bootstrap 具有更好的频率派性质。它对抽样分布给出更平滑的估计。

对重采样效率，贝叶斯 bootstrap 可以替代频率派 bootstrap。数学相似，但所得权重更平滑。

与 Bagging 的联系

重采样效率本质上是 bagging（bootstrap aggregating）应用于 MVO。在机器学习中，bagging 已知能在不增加偏差的前提下降低方差。

对决策树，bagging 降低过拟合。对 MVO，bagging 降低优化器在输入不确定性下的方差。数学相同：对同一潜在函数的有噪声估计求平均。

随机森林是 bagging + 随机特征选择。MVO 中”特征选择”的类比是对每个 bootstrap 选择资产的子集。这就是”集成 MVO”或”bagged asset selection”。

López de Prado 2018 年的书详细讨论了这一点。重采样与资产子集选择的组合比单独任一种都更稳健。

收敛性与一致性

当 $T \to \infty$ 且 $N$ 固定时，重采样效率如何收敛？

如果 bootstrap 是一致的（对 i.i.d. 样本成立），bootstrap 分布收敛到真实抽样分布。 $\bar{w}$ 收敛到真实最优 $w_0^\star$ （加上 bootstrap 近似真实情况所带来的偏差）。

收敛速度取决于 $T$ 和 $N$ 。对 $N$ 固定、 $T \to \infty$ ，收敛是参数级的（阶数 $1/T$ ）。对 $N$ 随 $T$ 增长，收敛可能更慢。

实践中，这意味着：随着历史样本增大，重采样效率越来越接近真实最优。60 个月度数据、50 个资产的情况下，你处在重采样帮助很大的有限样本状态。

重采样效率与 Black-Litterman

一种自然的组合：重采样，但用 Black-Litterman 来设 $\mu$ 而不是用样本均值。

对每个 bootstrap 样本：

从 bootstrap 样本估计 $\hat{\Sigma}_b$ 。
用 $\hat{\Sigma}_b$ 把 $\hat{\mu}_b$ 设为 Black-Litterman 后验。
解 MVO 得到 $w_b^\star$ 。

跨 bootstrap 样本求平均。

这叠加了两种方差缩减技术：Black-Litterman（ $\mu$ 的贝叶斯收缩）和重采样（bootstrap 方差缩减）。组合比单独任一种都更稳健。

在生产中，对大多数应用这属于过度工程。单用 Black-Litterman 通常就够。但对高赌注的应用（主权财富基金、大型养老金），这种组合是站得住脚的。

重采样效率与风险平价

另一种组合：用重采样稳定协方差矩阵，然后在稳定后的估计上解风险平价。

对每个 bootstrap 样本：

计算 $\hat{\Sigma}_b$ 。
跨样本求平均： $\bar{\Sigma} = \frac{1}{B} \sum_b \hat{\Sigma}_b$ 。

这是一种带贝叶斯色彩的协方差估计量。它与 Ledoit-Wolf 收缩类似，但使用 bootstrap 分布而非结构化目标。

然后在 $\bar{\Sigma}$ 上解 ERC。结果比样本协方差上的 ERC 更稳定。

重要的实现细节

生产中有三件事要做对。

细节 1：约束处理。 对每个 bootstrap 样本施加相同约束。不要让某些样本产生无约束最优而其他样本产生有约束最优，否则求平均会混合不兼容的解。

细节 2：数值稳定性。 使用稳健的 QP 求解器。一些 bootstrap 样本会有接近奇异的协方差矩阵。在求解前给 $\Sigma_b$ 加上一个小的对角项：

Sigma_b = Sigma_b + 1e-8 * np.eye(N)

细节 3：随机种子。 设置种子以保证可复现性。不同 bootstrap 样本给出不同平均。你希望在相同数据上得到相同平均。

重采样无效的情形

三种状态下重采样效率跑输单次方法。

状态 1：强信号。 如果你有一个强而可靠的 alpha 信号，样本均值就是一个好的估计。重采样只是在真实值周围增加噪声。单次 MVO 干净地捕获信号。

状态 2：非平稳数据。 如果潜在分布正在变化，bootstrap 抽样自过去。若未来不同，重采样分布就是错的。每次再平衡都重新估计 $\mu$ 和 $\Sigma$ 的单次方法可能适应得更好。

状态 3：样本极小。 如果 $T$ 极小（比如 $T = 20$ ），bootstrap 分布不可靠。在小样本上重采样只是给一个不可靠的估计再增加更多有噪声估计。

对多数机构应用，这些状态都不适用。你有足够的数据，信号没有那么强，数据大致平稳。重采样效率没问题。

要点回顾

重采样效率就是 bootstrap MVO。有放回地抽样，逐个优化，求平均。把权重方差缩小为 $1/B$ 。

它是对 MVO 估计误差的实用疗法。Michaud 的原始方案。López de Prado 把它形式化，并加入了 block bootstrap、每次 bootstrap 内做收缩、按置信度加权平均。

计算成本是主要缺点。每次再平衡 100-1000 次 QP 求解。极易并行，跨核分配。

它稳健但对任何特定问题都不是最佳。当你没观点、想要一个合理默认时用它。

它可以与 Black-Litterman、风险平价和收缩组合以获得额外稳健性。生产中，你通常把重采样效率作为更大流水线中的一环。

它在强信号、非平稳数据或极小样本的状态下帮不上忙。要了解它的局限。

下一篇文章：因子组合构造，从因子而非资产出发构建组合。