A Stackelberg reinsurance-investment game under $α$-maxmin mean-variance criterion and stochastic volatility
本文研究了在$α$ -maxmin均值-方差准则下保险人和再保险人之间的Stackelberg博弈。保险人可以向再保险人购买按损失再保险。在Stackelberg博弈中,再保险人采用反馈再保险策略优化再保险保费。金融市场由现金和股票组成,具有赫斯顿随机波动率。保险人和再保险人都最大化各自的$α$ -maxmin均值-方差偏好。该准则是时间不一致的,我们利用扩展的哈密顿-雅可比-贝尔曼方程导出了平衡策略.与Li and Young(2022)的非稳健情形类似,超额损失再保险是保险公司的最优再保险策略。均衡投资策略由一个Riccati微分方程组确定。此外,半显式地给出了确定均衡再保险策略和再保险费率的方程,并在具体算例中将其简化为一个代数方程。数值算例表明,保险人和再保险人之间的博弈使得保险更加激进,当代理人变得更加模糊厌恶或风险厌恶。此外,模糊性水平、模糊态度和保险人(再保险人)的风险态度对均衡再保险策略、再保险保费和投资策略也有类似的影响。
2022-12-29 math.OC q-fin.MF q-fin.PM
Quantum Portfolio Optimization with Investment Bands and Target Volatility
在本文中,我们将展示如何以一种简单的方式实现一些复杂的现实生活中的约束条件的投资组合优化问题,使它成为服从量子优化算法。具体来说,首先我们解释如何获得最佳的投资组合与给定的目标风险。这一点很重要,以便产生金融机构通常提供的具有不同风险状况的投资组合。其次,我们展示了如何实现个人投资波段,即,每项资产的最低和最高投资额。这对于实行多样化和避免角落解决办法也很重要。非常值得注意的是,我们展示了如何将约束成本函数构建为二次二元优化(QUBO)问题,这是量子退火机的自然输入。通过使用D-Wave Hybrid及其Advantage量子处理器在由标准普尔100和标准普尔500的所有资产构建的投资组合上找到最佳投资组合,证明了我们实现的有效性。我们的研究结果表明,在量化金融中发现的实际日常约束可以在当前的NISQ量子处理器中以简单的方式实现,具有真实的数据,并在现实的市场条件下。结合聚类算法,我们的方法将允许复制更复杂的指数,如纳斯达克综合指数或其他指数的行为,反过来又特别有助于建立和复制交易所交易基金(ETF)。
2021-08-20 q-fin.PM quant-ph
Stochastic Volatility Modelling with LSTM Networks: A Hybrid Approach for S&P 500 Index Volatility Forecasting
University of Warsaw(华沙大学);Faculty of Economic Sciences(经济学院);Department of Quantitative Finance and Machine Learning(金融与机器学习系);Quantitative Finance Research Group(金融研究组)
本文提出了一种结合随机波动率模型和LSTM网络的混合方法,用于改进S&P 500指数波动率预测,通过统计测试和投资模拟验证了其优越性。
2025-12-13 cs.AI cs.LG cs.NE
On the optimal investment-consumption and life insurance selection problem with an external stochastic factor
本文研究了一类具有随机波动率的随机最优控制问题。我们证明了所提出的问题的充分必要的最大值原理。然后,我们将所得结果应用于求解一类具有随机波动率的投资、消费和人寿保险问题,即考虑一个工薪阶层投资于一种无风险资产和一种由跳扩散过程描述的风险资产,并且必须决定消费和购买人寿保险。我们假设工薪阶层的人寿保险是从一个由提供成对不同人寿保险合同的$M>1$人寿保险公司组成的市场购买的。目标是最大化消费产生的期望效用、早逝情况下的遗产和投资者的终端财富。
2018-08-14 math.OC q-fin.PM
Density quantization method in the optimal portfolio choice with partial observation of stochastic volatility
计算方面的最优消费和投资与部分观察到的资产价格的随机波动率。介绍了一种新的滤波量化方法--密度量化,它将滤波问题的无穷维状态空间简化为有限的量化集。将密度量化嵌入到数值算法中,求解与投资组合优化相关的动态规划方程。
2010-09-29 q-fin.CP q-fin.PM
Optimal investment and reinsurance under exponential forward preferences
本文研究了保险公司的最优投资和比例再保险问题,考虑到金融市场和保险市场之间可能存在的依赖关系,保险公司的投资偏好通过指数型的正向动态效用函数来描述,建立了一个随机因子模型.具体来说,我们假设资产价格过程动态和索赔到达强度都受到一个共同的随机过程的影响,我们考虑到可能的环境传染效应,通过非零相关参数之间的潜在布朗运动驱动的资产价格过程和随机因素动态。利用随机控制方法,构造了一个前向动态指数效用函数,刻画了最优投资和再保险策略。此外,我们详细研究了零波动率的情况下,并提供了一个比较分析与经典的结果,在一个类似的设置下,落后的效用偏好。我们还讨论了条件确定性等价的一个扩展。最后,我们进行了数值分析,以突出最优策略的一些功能。
2022-10-19 q-fin.MF q-fin.PM
The Limits of Leverage
当交易产生成比例的成本时,杠杆只能将资产的回报扩大到最大倍数,这对资产的波动性和流动性很敏感。在一个有一个安全资产和一个风险资产的模型中,有恒定的投资机会和成比例的成本,我们找到了在平均波动率下最大化长期回报的策略。随着杠杆率的增加,再平衡成本的上升意味着夏普比率的下降。超过临界水平,甚至回报也会下降。保持夏普比率不变,较高的资产波动性通过较低的成本带来较高的回报。
2017-10-17 math.OC math.PR q-fin.PM
The Nature of Alpha
我们提出了一个投资策略收益的实证模型,阐明了非高斯特征的重要性,如随时间变化的波动性,不对称性和厚尾,在解释预期收益率的水平。估计模型(前)雷曼兄弟对冲基金指数的数据,我们证明了波动补偿是一个重要组成部分的预期收益率的大多数策略风格,这表明,这些策略中的许多应该被认为是“短卷”。我们提出了一些基本的和技术上的原因,为什么这确实应该是这样的,并建议解释异常情况下表现出“长卷”的特点。最后,我们得出了一些经验教训,对冲基金的投资组合建设。
2011-12-05 q-fin.PM
Investment/consumption problem in illiquid markets with regime-switching
我们考虑一个非流动性的金融市场与不同的制度建模的连续时间有限状态马尔可夫链。投资者只能在考克斯过程的离散到达时间交易股票,其强度取决于市场机制。此外,风险资产价格易受流动性冲击的影响,流动性冲击改变了风险资产的收益率和波动性,并导致风险资产的动态发生跳跃。在这种情况下,我们研究的问题,经济代理优化她的期望效用从消费下的非破产约束。利用动态规划方法,我们给出了该随机控制问题的值函数的唯一粘性解的特征。接下来,我们关注CRRA效用函数的流行情况,我们可以证明值函数的光滑性$C^2$结果。作为一个重要的副产品,这使我们能够得到最优投资/消费策略的存在,其特征在于反馈形式。我们分析了一个收敛的数值方案解决我们的随机控制问题,我们说明了最后与一些数值实验的流动性制度的影响,投资者的最优决策。
2012-04-25 math.PR q-fin.PM
Risk and Utility in Portfolio Optimization
现代投资组合理论(MPT)解决了在一组候选资产中确定投资资源的最优配置问题。在Markowitz最初的均值-方差方法中,波动率被视为风险的代理,将不确定性与风险混为一谈。后来有许多尝试来减轻这种弱点,通常是效用和风险的结合。我们在这里提出了一个修改MPT的基础上,包括单独的风险和效用标准。我们将风险定义为未能达到预先设定的投资目标的可能性。我们将效用定义为效用函数的期望,该效用函数具有正的和递减的边际值作为收益率的函数。贯穿全文的重点是长期投资,在这种情况下不存在无风险资产。高斯概率分布的分析结果。通过实证股票价格数据探索风险-效用关系,并使用实证数据优化说明性投资组合。
2002-12-09 cond-mat.stat-mech q-fin.PM
Beating the Market with Generalized Generating Portfolios
随机投资组合理论的目的是寻找相对套利,即以概率1获得优于市场的交易策略。函数生成的投资组合是市场权重的确定性函数,是这样做的宝贵工具。驱动从业者的角度来看,投资决策的基础上考虑各种金融变量,我们推广功能生成的投资组合,并允许他们依赖于连续路径半鞅,除了市场权重。通过例子,我们展示了如何包括额外的过程可以减少时间范围,超过相对套利是可能的,提高性能的生成的投资组合,以及如何投资者的偏好和具体的投资观点可以包括在随机投资组合理论的背景下。罢工也是一个相对的套利机会,这是由额外的半鞅的波动率产生的建设。一个深入的实证分析所提出的策略的表现证实了我们的理论研究结果,并表明,我们的投资组合代表有利可图的投资机会,即使在存在交易成本。
2021-01-18 q-fin.MF q-fin.PM
Combining Independent Smart Beta Strategies for Portfolio Optimization
智能贝塔,也被称为战略贝塔或因子投资,是一种以简单的规则为基础的方式选择投资组合的想法,系统地捕捉市场的低效率,从而提高风险调整收益率高于资本加权基准。我们探讨了反向应用智能策略的想法,产生一个可以做空的“坏贝塔”投资组合,从而允许独立的智能贝塔策略的多头和空头头寸产生贝塔中性回报。在这篇文章中,我们详细介绍了每月重新加权投资组合的构建,其中包括两个独立的智能贝塔策略;第一个组成部分是一个多空贝塔中性策略,该策略来自于对一套动量指标运行自适应提升分类器。第二个组成部分是最小波动性投资组合,它利用了这样一种观察,即低波动性股票往往比高波动性股票产生更高的风险调整收益率。在市场基准夏普比率为0.42的情况下,我们发现市场中性成分的比率为0.61,低波动率方法的比率为0.90,而组合杠杆策略的比率为0.96。在六个月的实时交易中,组合策略实现了1. 35的夏普比率。这些结果加强了智能测试策略的有效性,并表明同时结合多个策略可以产生比孤立的任何单个组件所实现的更好的性能。
2018-08-09 q-fin.PM
The Capital Asset Pricing Model as a corollary of the Black-Scholes model
我们考虑一个金融市场,其中有两种证券进行交易:一种股票和一种指数。假设它们的价格满足布莱克-斯科尔斯模型。除了假设指数是一种可交易的证券之外,我们还假设它是有效的,在以下意义上:我们不期望一个预先设定的自我融资交易策略(其财富几乎肯定在任何时候都是非负的)的表现大大超过指数。我们发现,对于一个长期的投资期限,股票的增值率必须接近于利率(假设为常数)加上股票和指数的波动向量之间的协方差。这包含了一个版本的资本资产定价模型和我们的早期结果,即股权溢价接近于指数波动率的平方。
2011-09-23 q-fin.GN q-fin.PM
Recursive Overbetting of a Satellite Investment Account
本文建立了一个半静态凯利投注和对数最优投资的核心卫星模型。我们研究了一个储户的问题,他的核心投资组合包括无杠杆(1x)退休计划,没有保证金债务。然而,代理人有一个卫星投资帐户,诉诸显着的,但不是无限的,杠杆作用,因此,我们研究最优控制器的卫星负债比率。在很短的时间内,最好的策略是对卫星进行过度押注,而压倒一切的目标是将总贝塔值提高到增长最优水平。相比之下,在无限的地平线上,正确的行为是愉快地忽略核心,优化卫星的指数增长率,这将无论如何在极限下支配整个资金。对于严格介于零和无穷大之间的时间范围,最优策略并不那么简单:在综合资金的瞬时增长率和卫星本身的瞬时增长率之间存在关键的权衡,卫星本身受到过度押注的持续波动性拖累。因此,一个非常敏锐的政策是必要的,因为任何损失的卫星将限制代理人的访问杠杆在连续问题。我们刻画了最优反馈控制器的特征,并通过求解相应的哈密顿-雅可比-贝尔曼方程,在时间上递归地和向后地计算它。然后将此解决方案与最佳开环控制器进行比较,尽管其相对简单,但预计在实际情况下也会类似地执行。
2022-10-20 econ.GN q-fin.CP q-fin.EC
Combining Reinforcement Learning and Barrier Functions for Adaptive Risk Management in Portfolio Optimization
针对强化学习投资组合策略重收益轻风险的问题,提出融合强化学习与屏障函数的可风险管理框架,搭配自适应机制适配不同行情,在真实数据集上表现优于主流强化学习方法。
2023-06-12 cs.CE q-fin.PM q-fin.RM
Volatility Depends on Market Trades and Macro Theory
本文从市场交易价值与交易量的随机性出发,推导价格和收益波动率的市场成因,并指出需建立二阶宏观理论以支撑波动率预测。
2024-06-17 q-fin.PM q-fin.PR q-fin.ST
Skewed target range strategy for multiperiod portfolio optimization using a two-stage least squares Monte Carlo method
本文针对投资组合优化问题提出了一种新的投资策略。所提出的策略最大限度地提高预期的投资组合价值的目标范围内,由一个保守的较低的目标代表需要保护资本和一个理想的上限目标代表的投资目标。这种策略有利地塑造了整个收益概率分布,因为它同时寻求期望的预期收益率,切断下行风险,并隐含地限制了波动性和更高的时刻。为了说明这种投资策略的有效性,我们研究了多期投资组合优化问题的交易成本和开发一个两阶段的回归方法,改进了经典的最小二乘蒙特卡罗(LSMC)算法处理困难的回报,如高度凹,突变或不连续的功能。我们的数值结果表明,经典的LSMC算法的常数相对风险规避(CRRA)效用的方法和建议的倾斜目标范围策略(STRS)的显着改善。我们的数值结果说明了STRS包含在目标范围内的投资组合价值的能力。与CRRA效用方法相比,STRS实现了类似的均值-方差有效前沿,同时提供了更好的下行风险-收益权衡。
2019-06-03 q-fin.CP q-fin.GN q-fin.PM
Mutual Fund Theorem for continuous time markets with random coefficients
研究了连续时间不完全市场模型的最优投资问题,其中股票的无风险利率、增值率和波动率都是随机的,且它们独立于驱动布朗运动,且是当前可观测的.它表明,一些削弱版本的共同基金定理持有一般类的公用事业,更确切地说,它表明,期望效用的上确界可以实现一系列的战略与一定的风险资产分布,不依赖于风险偏好描述不同的公用事业。
2009-11-17 q-fin.PM