意思決定依存のリターン不確実性下でのESG配慮ポートフォリオ最適化のための調整可能なロバストアプローチ

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel adjustable robust optimization method for ESG-aware portfolios with decision-dependent uncertainty, advancing the intersection of finance and OR.

🏢実務担当者:Offers a practical tool for portfolio managers to balance ESG performance and risk under uncertainty, useful for ESG integration and client reporting.

🏛政策担当者:Highlights the need for standardized ESG data and disclosure to reduce uncertainty, informing policy on sustainable finance frameworks.

ポートフォリオ最適化は、金融上の意思決定における基本的な問題であり、期待リターンと投資リスクのバランスを取ることに関係している。持続可能な投資への関心の高まりに伴い、環境・社会・ガバナンス（ESG）基準がポートフォリオ最適化に組み込まれてきている。実際には、ESGを考慮したポートフォリオ最適化は、市場変動、ESG情報開示の遅延、格付けの不一致によるパラメータの曖昧さに直面しており、リターンの不確実性へのエクスポージャーは、完全に外生的であるのではなく、ポートフォリオの決定に依存する可能性がある。しかし、既存の研究では、一般に不確実性集合をポートフォリオの決定とは独立に指定している。この限界に対処するため、決定依存型リターン不確実性の下でのESGを考慮したポートフォリオ最適化に対する調整可能なロバストアプローチが提案されている。資産リターンとESGスコアの曖昧さを捉えるために結合多面体不確実性集合が構築され、そこではリターンの境界がESG関連の保有を通じて第一段階のポートフォリオ・ウェイトに依存する一方、ESGスコアの不確実性は決定非依存のままである。リバランスと比例取引コストを伴う二段階ロバスト・フレームワークが定式化され、財務損失とESGパフォーマンスが目的関数でバランスされ、テールリスクは列制約生成スキームに埋め込まれたCVaR制約によって制御される。結果として得られるミニマックス問題は、反復生成されたシナリオにわたるCVaRのRockafellar–Uryasev線形化を備えた列制約生成アルゴリズムによって解かれる。実株式データを用いた数値実験は、決定論的および古典的なロバストベンチマークと比較して、下方リスクの制御とポートフォリオのESGパフォーマンスを評価するために設計されている。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Portfolio optimization is a fundamental problem in financial decision-making, and it is concerned with balancing expected return and investment risk. With the growing emphasis on sustainable investing, environmental, social, and governance (ESG) criteria have been incorporated into portfolio optimization. In practice, ESG-aware portfolio optimization faces parameter ambiguity from market fluctuations, delayed ESG disclosure, and rating disagreement, and the exposure to return uncertainty may depend on portfolio decisions rather than being fully exogenous. Existing studies, however, generally specify uncertainty sets independently of portfolio decisions. To address this limitation, an adjustable robust approach is proposed for ESG-aware portfolio optimization under decision-dependent return uncertainty. A joint polyhedral uncertainty set is constructed to capture the ambiguity in asset returns and ESG scores, where the return bounds depend on first-stage portfolio weights through ESG-related holdings, whereas ESG score uncertainty remains decision-independent. A two-stage robust framework with recourse rebalancing and proportional transaction costs is formulated, with financial loss and ESG performance balanced in the objective and tail risk controlled by a CVaR constraint embedded in a column-and-constraint generation scheme. The resulting minimax problem is solved by a column-and-constraint generation algorithm with a Rockafellar–Uryasev linearization of CVaR over iteratively generated scenarios. Numerical experiments using real stock data are designed to evaluate downside-risk control and portfolio ESG performance relative to deterministic and classical robust benchmarks.

• semanticscholar https://doi.org/10.3390/math14152793first seen 2026-08-09 06:00:58 · last seen 2026-09-29 05:43:38