Paritatea Ierarhică a Riscului versus Paritatea Clasică a Riscului: O Comparație Metodologică Onestă între Două Abordări de Distribuire Structurată a Riscului
Paritatea clasică a riscului distribuie capitalul astfel încât fiecare activ să contribuie egal la riscul total al portofoliului, ignorând structura de corelație dintre active. HRP introduce o dimensiune suplimentară: structura ierarhică a corelațiilor, construită prin clustering, influențează direct modul în care riscul este distribuit între grupuri și în interiorul lor. Aceasta nu este o diferență minoră de implementare — este o diferență fundamentală de filozofie metodologică privind rolul structurii de dependență în alocarea riscului.
1. Rolul corelațiilor în alocare
Paritatea clasică a riscului ia în considerare corelațiile dintre active doar indirect, prin intermediul varianței portofoliului. Contribuția la risc a fiecărui activ depinde de volatilitatea sa și de covarianța cu celelalte active, dar nu există o structurare explicită a relațiilor de dependență. Activele sunt tratate ca entități individuale care interacționează uniform cu restul portofoliului.
HRP structurează explicit relațiile de dependență dintre active prin clustering ierarhic înainte de a distribui riscul. Corelațiile nu mai sunt doar un input numeric în calculul contribuției la risc — ele definesc arhitectura ierarhică a portofoliului. Activele grupate în același cluster sunt tratate ca un bloc unitar la nivelele superioare ale arborelui, iar riscul este distribuit mai întâi între clustere și abia apoi în interiorul fiecăruia. Aceasta înseamnă că un cluster de active foarte corelate nu poate domina portofoliul doar pentru că activele sale individuale au volatilitate scăzută — clusterul în ansamblu primește o alocare limitată de structura ierarhică. Diferența este vizibilă mai ales în universuri cu grupuri naturale puternic definite, unde paritatea clasică poate supraconcentra riscul în clustere de active similare fără să recunoască această concentrare structurală.
HRP distribuie riscul ținând cont de structura de grup a activelor, nu doar de volatilitățile individuale și covarianțele perechi.
2. Stabilitate numerică și necesitatea inversării matricei
Paritatea clasică a riscului necesită rezolvarea unui sistem de ecuații care implică matricea de covarianță a activelor. Deși nu necesită inversarea explicită a matricei în toate formulările, este sensibilă la condiționarea numerică a acesteia. Când numărul de active este mare relativ la numărul de observații, instabilitatea numerică poate afecta soluțiile obținute, similar optimizării mediu-varianță.
HRP evită complet inversarea matricei de covarianță prin utilizarea bisecției recursive pe structura ierarhică. Algoritmul necesită doar calculul varianțelor clusterelor, nu rezolvarea unui sistem liniar care implică matricea completă de covarianță. Aceasta produce o stabilitate numerică superioară în condiții de date limitate, când matricea de covarianță empirică este zgomotoasă sau aproape singulară. Pe universuri mari de active cu serii temporale scurte, această diferență de stabilitate numerică poate fi semnificativă practic: paritatea clasică poate produce soluții instabile sau concentrate în câteva active, în timp ce HRP continuă să funcționeze metodologic coerent. Dezavantajul este că stabilitatea numerică a HRP vine parțial din faptul că nu optimizează niciun criteriu explicit — soluția sa nu este un optim în niciun sens formal, ci un rezultat al unei proceduri euristice bine motivate.
HRP câștigă stabilitate numerică prin abandonarea optimizării formale, un compromis explicit care trebuie înțeles și acceptat.
3. Diversificarea în prezența clusterelor de active corelate
Paritatea clasică a riscului poate supraconcentra riscul în clustere de active foarte corelate dacă acestea au volatilitate individuală scăzută. Deoarece nu recunoaște explicit structura de grup, poate aloca ponderi mari unui număr de active similare, producând o diversificare mai slabă decât sugerează numărul de active din portofoliu.
HRP adresează direct această problemă prin structurarea ierarhică a alocării. Un grup de active foarte corelate este recunoscut ca un cluster unitar la nivelele superioare ale arborelui, iar riscul alocat acestui cluster este distribuit ulterior între membrii săi. Rezultatul este că niciun cluster natural de active similare nu poate domina portofoliul prin acumularea de ponderi individuale aparent mici dar sistematic corelate. Aceasta este poate cea mai documentată diferență practică între cele două abordări: HRP tinde să producă o diversificare mai autentică în universuri cu structuri de grup pronunțate, deoarece distribuie riscul la nivel de grup înainte de a-l distribui la nivel de activ individual. Efectul este mai puțin vizibil în universuri cu active uniform distribuite în spațiul de corelație, unde paritatea clasică și HRP produc alocări mai similare.
Avantajul de diversificare al HRP față de paritatea clasică este cel mai pronunțat în universuri cu clustere naturale puternic definite.
4. Interpretabilitate și transparența procesului de alocare
Paritatea clasică a riscului are un principiu de alocare simplu și transparent: fiecare activ contribuie egal la riscul total. Acest principiu este ușor de comunicat și de verificat, iar deviațiile de la paritate sunt imediat vizibile în analiza contribuțiilor la risc. Simplitatea conceptuală este un avantaj real în contexte unde transparența procesului de decizie este importantă.
HRP adaugă un nivel suplimentar de complexitate interpretativă: pentru a înțelege de ce un activ are o anumită pondere, trebuie să înțelegi structura dendrogramei, poziția activului în arbore și varianțele clusterelor la fiecare nivel al bisecției recursive. Aceasta face comunicarea deciziilor de alocare mai dificilă față de paritatea clasică, unde justificarea este întotdeauna aceeași: contribuțiile egale la risc. Pe de altă parte, dendrograma în sine oferă o reprezentare vizuală intuitivă a structurii de dependență dintre active, care poate fi valoroasă pentru înțelegerea calitativă a portofoliului. Echipa noastră consideră că ambele abordări au avantaje de interpretabilitate diferite: paritatea clasică este mai ușor de justificat cantitativ, în timp ce HRP oferă o reprezentare structurală mai bogată a relațiilor dintre active.
Paritatea clasică este mai simplu de justificat numeric; HRP oferă o reprezentare structurală mai bogată dar mai greu de comunicat concis.
5. Comportamentul în condiții de date limitate
Paritatea clasică a riscului este mai sensibilă la calitatea estimării covarianței decât HRP, deoarece soluția sa depinde direct de valorile numerice ale covarianțelor perechi. Estimările zgomotoase produc contribuții la risc instabile și ponderi volatile de la o perioadă de rebalansare la alta, mai ales în universuri cu multe active și serii temporale scurte.
HRP este mai robust în condiții de date limitate datorită structurii sale algoritmice. Bisecția recursivă depinde de varianțele clusterelor, care sunt medii ponderate ale varianțelor individuale și sunt mai stabile statistic decât covarianțele perechi individuale. Aceasta înseamnă că estimările zgomotoase ale covarianțelor au un impact mai difuz asupra alocărilor HRP, distribuit prin structura ierarhică, față de impactul lor direct și potențial concentrat în paritatea clasică. Studiile comparative documentează că HRP tinde să producă alocări cu turnover mai scăzut decât paritatea clasică pe seturi de date cu raport nefavorabil active-observații, ceea ce se traduce în costuri de tranzacționare mai mici și în rezultate mai stabile în evaluările out-of-sample. Această proprietate de robustețe relativă este unul dintre argumentele metodologice cele mai solide în favoarea HRP față de paritatea clasică, în special pentru universuri de active de dimensiuni medii și mari.
HRP produce alocări mai stabile în condiții de date limitate, reducând turnover-ul și costurile de rebalansare față de paritatea clasică.
Niciuna dintre cele două metodologii nu domină universal. HRP câștigă în robustețe numerică și diversificare structurală; paritatea clasică câștigă în simplitate și transparență a principiului de alocare. Alegerea corectă depinde de caracteristicile specifice ale universului de active și ale datelor disponibile.