深い不確実性下での分散に1/Nルールを使う

各選択肢の価値を信頼性高く見積もれないとき、リソースを均等に分散する。

Why it works

確率と結果を確信を持って見積もれない深い不確実性の下では、配分を最適化することはデータで支持されていない仮定を必要とする。1/Nヒューリスティクス(N個の選択肢に均等に分割する)は、条件が変化したときに最適化戦略を脆弱にする過剰適合を避けるため、サンプル外の現実世界のテストにおいて最適化されたポートフォリオ配分を上回る。

How to do it

1. 本物の深い不確実性(プロジェクト間の時間、実験にわたる予算)を伴うリソース配分の決定に直面したとき、均等配分をデフォルトにする。
2. 差異のあるリターンを示す信頼できるデータがあるときのみ、均等配分から逸脱する。
3. 実際の結果を得た後で配分を見直す——楽観論ではなくエビデンスをもって機能しているものへとシフトする。

エビデンス

デミゲル、ガラッピ、ウパル(2009年)は、複数の株式市場データセットにわたって1/Nのポートフォリオ配分を14の最適化戦略と比較し、1/Nがサンプル外で最適化されたアプローチと同等かそれ以上であることを見出した。 (observational)

この結果は限られたデータと不確実な平均値を持つ金融ポートフォリオの文脈に特化している。リターンが有意義に異なり見積もり可能な決定については、最適化された配分が1/Nを上回りうる。

出典

• DeMiguel, Garlappi & Uppal (2009), Optimal versus naive diversification, Review of Financial Studies

よくある間違い

選択肢が実質的に異なることを示す信頼できるデータがあるときでさえ1/Nを適用すること——このヒューリスティクスは深い不確実性のためのものであり、エビデンスが存在するときの代替ではない。