Optimizing Portfolio Performance through Clustering and Sharpe Ratio-Based Optimization: A Comparative Backtesting Approach
Seoul National University(首尔大学);Interdisciplinary Program in Artificial Intelligence, Seoul National University(首尔大学人工智能交叉项目)
本文提出一种结合K-Means聚类和夏普比率优化的比较回测方法,以提升投资组合的风险调整后收益,并通过多资产类别历史数据验证其优于等权重基准。
2025-01-22 cs.LG q-fin.PM
Deep Reinforcement Learning for Long-Short Portfolio Optimization
Chongqing University(重庆大学)
本文提出符合真实交易规则、融合深度神经网络与平均夏普比率奖励的多空DRL投资组合框架,在A股回测中实现持续正收益、更优风险调整收益并降低最大回撤。
2025-03-15 cs.LG q-fin.CP q-fin.PM
An explicit solution for an optimal stopping/optimal control problem which models an asset sale
在这篇文章中,我们研究了一个最优停时/最优控制问题,该问题模拟了一个风险厌恶的代理人在何时出售资产的决策。市场是不完整的,因此资产风险敞口无法对冲。除了决定何时出售外,代理人还必须选择与可行财富过程相对应的控制策略。我们制定了这个问题,涉及到一个停时和鞅的选择。我们猜想了解的形式,并验证了候选解等于价值函数。有趣的特点的解决方案是,它是在一个非常明确的形式,对于某些参数值的最优策略是更复杂的比可能最初预期的,虽然设置是基于连续扩散,最优鞅可能涉及一个跳跃过程。对该解的一种解释是,对于风险厌恶的代理人来说,赌博是最优的。
2008-11-12 math.PR 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
On the role of Föllmer-Schweizer minimal martingale measure in Risk Sensitive control Asset Management
Kuroda和Nagai \cite{KN}指出,风险敏感控制资产管理(RSCAM)中的因子过程在Föllmer-Schweizer最小鞅测度下是稳定的。Fleming和Sheu \cite{FS}以及最近的Föllmer和Schweizer \cite{FoS}都观察到,最小鞅测度在这种投资组合优化中的作用还有待确定。在这篇文章中,我们的目标是解决这个问题,明确连接的最优财富分配的最小鞅测度。我们实现这一点,通过使用一个“技巧”的模型不确定性的背景下,通过两个人的零和随机微分博弈的投资者和一个对立的市场,提供了一个概率措施,观察这个问题。我们获得了一些惊人的见解。首先,如果不允许卖空,且因子过程在最小鞅测度下演化,则投资者的最优策略只能是投资于无风险资产(即无悔策略)。其次,如果因子过程和股价过程存在独立的噪声,那么即使市场允许卖空,投资者的最优策略也必然是无后悔策略,而因子过程将在最小鞅测度下演化。
2015-03-05 math.OC q-fin.PM
A post hoc test on the Sharpe ratio
提出一种夏普比率的事后检验方法,类似于Tukey检验,用于在拒绝所有总体信噪比相等的假设后,比较资产夏普比率的差异。
2026-06-11 q-fin.PM stat.ME
Systematic Asset Allocation using Flexible Views for South African Markets
我们实现了一个系统的资产配置模型,使用历史模拟与灵活的概率(HS-FP)的框架,由Meucci。HS-FP框架是一种灵活的非参数估计方法,认为未来资产类别的行为取决于时间和市场环境,并得出与此观点一致的前瞻性分布,同时尽可能接近先验分布。该框架通过对资产类别回报的历史观测值应用不相等的时间和状态条件概率来得出前瞻性分布。这是通过使用相对熵来找到对先验分布失真最小的估计来实现的。在这里,我们使用南非金融市场数据的HS-FP框架进行资产配置;通过估计预期收益率,相关性和波动率,通过测量的市场周期更好地代表。我们展示了一系列有助于了解市场环境的状态变量。具体来说,我们将HS-FP模型特定配置的样本外性能与经典的均值方差优化(MVO)和等权(EW)基准模型进行了比较。该框架显示了较低的回测过拟合概率,HS-FP模型的样本外净收益率和夏普比率点估计优于基准模型。然而,当训练窗口变化时,结果是不一致的,夏普比率被认为是膨胀的,并且该方法在总的和净的基础上没有表现出统计学上显著的优于性能。
2019-10-12 q-fin.PM
Mean-Variance Investment and Risk Control Strategies -- A Time-Consistent Approach via A Forward Auxiliary Process
考虑了均值-方差准则下保险公司的最优投资和风险控制问题。通过引入一个在时间上向前定义的确定性辅助过程,我们构造了一个与原MV问题相关的时间相容问题,并得到了新问题的最优策略和封闭形式的值函数.我们比较我们的配方和最优策略下的预承诺和博弈论的框架。数值研究表明,当金融市场与风险过程负相关时,最优投资可能涉及卖空风险资产,如果发生这种情况,风险厌恶程度较低的保险公司卖空风险较高的资产。
2021-01-11 math.OC q-fin.MF q-fin.PM
The premium of dynamic trading
在包含无风险资产的市场中,单期均值-方差有效前沿是与风险区域相切的直线,这是经典CAPM的基础。在本文中,它表明,在一个连续时间的市场中,风险的价格描述伊藤的过程和投资机会集是确定性的(虽然随时间变化),任何有效的投资组合必须涉及在任何时候分配到无风险资产。因此,动态均值-方差有效前沿虽然仍然是一条直线,但严格高于整个风险区域。这反过来又表明,从动态交易中产生了正溢价,即有效前沿的夏普比率。另一个含义是,包含无风险资产提高了有效前沿的夏普比率,这再次与单期情况形成鲜明对比。
2009-06-04 q-fin.PM
Incremental Sharpe and other performance ratios
我们提出了一种新的方法来计算业绩比的增量贡献的投资组合,如夏普,特雷诺,卡尔马或斯特林比率。使用欧拉齐次函数定理,我们能够将这些性能比分解为单个修改后的性能比的线性组合。这有助于理解这些绩效比率的驱动因素,并推导出新资产的条件,从而为投资组合提供增量绩效。我们提供了各种数值例子,这种性能比分解。
2018-12-17 q-fin.PM q-fin.RM q-fin.ST
Best Portfolio Management Strategies For Synthetic and Real Assets
投资组合管理是金融数学、金融工程、计量经济学和经济物理学等多个领域的一个古老而著名的问题。到目前为止,使用了多种不同的概念和理论来描述处理金融资产的方法,包括微分方程、随机微积分和高级统计学。本文利用概率论中的一组工具,分析了在不同的市场条件下建立金融投资组合的各种策略。一个特别注意的是,一个所谓的平衡投资组合,这是植根于自然的“低买高卖”原则的几个实现。结果表明,没有通用的战略,因为它们在不同的情况下表现不同(例如,不同的交易成本)。此外,计划投资的时间也可能对某些策略的盈利能力产生重大影响。所有的方法都进行了测试,从波兰股票市场的模拟轨迹和真实数据。
2019-09-05 q-fin.PM
Great year, bad Sharpe? A note on the joint distribution of performance and risk-adjusted return
本文研究了重尾分布下业绩与Sharpe比率的联合统计特征,揭示了最佳样本内业绩与最佳Sharpe比率不相关,从而对Sharpe比率作为投资质量黄金标准指标的地位提出质疑。
2024-06-26 physics.soc-ph q-fin.GN q-fin.PM
Forecasting Tangency Portfolios and Investing in the Minimum Euclidean Distance Portfolio to Maximize Out-of-Sample Sharpe Ratios
Department of Systems Engineering, University of Virginia(弗吉尼亚大学系统工程系)
本文提出新模型提升样本外夏普比率,通过预测未来切线组合并投资最小欧几里得距离组合,解决传统方法在非平稳数据中的局限性。
2026-04-05 q-fin.PM stat.AP
Macroscopic theorem of the portfolio optimization problem with a risk-free asset
具有预算和收益约束的投资风险最小化问题一直是使用复制分析的研究主题,但在现有文献中存在不足。根据托宾分离定理和资本资产定价模型,有必要研究无风险资产的含义,并考察其对最优投资组合的影响。因此,在这项工作中,我们探讨了投资风险最小化问题的预算和回报约束的无风险资产的存在。此外,我们还讨论了机会损失,毕达哥拉斯定理的夏普比率,托宾的分离定理。
2019-06-20 cond-mat.dis-nn cond-mat.stat-mech math.OC
Pythagorean theorem of Sharpe ratio
在本文中,我们使用复制分析,检查投资组合优化问题处理在以前的工作和讨论的最小化投资风险的约束下的预算和预期收益率的情况下,每种资产的收益率的均值和方差的超参数的分布不限于一个特定的概率族。使用我们所提出的方法得出的结果进行了比较,在以前的工作,以验证我们所提出的方法的有效性。进一步,我们导出了机会损失的夏普比率和宏观关系的勾股定理.通过数值实验,证明了该方法在特定情况下的有效性。
2017-03-08 cond-mat.dis-nn math.OC q-fin.PM
Consumption-portfolio choice with preferences for liquid assets
本文研究了具有流动性偏好的无限期消费-投资组合问题,通过Cobb-Douglas效用函数建模,将偿付能力区域划分为三个非空区域并求解最优策略,发现流动性偏好抑制消费并可能导致对非流动性资产的负配置。
2025-03-04 q-fin.PM
Optimal Portfolio Choice and Stock Centrality for Tail Risk Events
我们提出了一个新的风险矩阵来描述投资者的最优投资组合的尾部关注。矩阵的对角线包含投资组合中每个资产的风险价值,非对角线包含反映资产之间尾部连接的成对Delta-CoVaR度量。首先,我们推导出相关的二次风险函数有一个封闭形式的解决方案的条件。其次,我们研究了投资组合风险和特征向量中心性之间的关系。第三,我们表明,投资组合的风险不一定是增加相对于股票中心。第四,我们证明了在一定条件下,资产中心性增加了资产在投资组合中的最优权重分配。总体而言,我们的实证研究表明,一个网络拓扑,表现出低连接性优于高连接性的基础上的夏普比率测试。
2021-12-01 q-fin.PM
To Trade Or Not To Trade: Cascading Waterfall Round Robin Rebalancing Mechanism for Cryptocurrencies
针对加密货币市场的高波动性,设计了一种名为级联瀑布轮询的投资组合再平衡机制,该算法考虑燃气费和滑点,为每项资产推荐理想交易规模与次数,并通过设定边界条件剔除市场噪音,实现稳健的买卖决策,可广泛应用于各类资产基金。
2024-05-17 cs.CE cs.DC q-fin.PM
Optimal Constrained Investment in the Cramer-Lundberg model
我们考虑一个保险公司,其盈余由经典的Cramer-Lundberg过程表示。公司可以将其盈余投资于无风险资产和风险资产,由Black-Scholes方程控制。存在一个约束,即保险公司只能在有限的杠杆水平下投资风险资产;更准确地说,在买入时,风险资产的投资金额与盈余水平的比例不超过a;在卖空时,卖空所得收益与盈余水平的比例不超过b。目标是找到一个最优的投资策略,使破产概率最小化。最小破产概率作为初始盈余的函数,其特征在于相应的Hamilton-Jacobi-Bellman(HJB)方程的经典解。研究了最优控制策略及其性质。模型参数之间的相互关系在最优策略的定性行为中起着至关重要的作用。例如,在一个示例中,对于a和b之间的某些比率,可能会出现非常不寻常的、起初表面上违反直觉的政策,如卖空回报率较高的股票以赚取较低的利息,或以较高的利率借款以投资于回报率较低的股票。这与Hipp和Plum(2000)首次研究的无限制情况形成鲜明对比,也与Azcue和Muler(2009)研究的无卖空和无借贷的情况形成鲜明对比。
2011-12-17 math.PR q-fin.PM q-fin.RM
Double Descent in Portfolio Optimization: Dance between Theoretical Sharpe Ratio and Estimation Accuracy
该研究探究均值-方差投资组合优化中模型复杂度与样本外表现的关系,发现以资产数量衡量复杂度时存在夏普比率双重上升现象,揭示其源于理论夏普比率与估计精度的复杂作用,为高维投资组合优化提供了理论与实践参考。
2024-11-28 math.ST q-fin.PM stat.ME
In-Sample and Out-of-Sample Sharpe Ratios for Linear Predictive Models
Imperial College London(帝国理工学院);Qube Research & Technologies(Qube研究与技术)
本文研究了线性预测模型在样本外表现受过拟合影响的程度,通过计算夏普比率的闭式近似,发现复杂策略的样本外复制比率随训练数据量增加而提升。
2025-12-01 q-fin.MF q-fin.PM
Data-generating process and time-series asset pricing
针对时序资产定价中因子收益定义的研究空白,本文指出多空因子收益定义的不合理性及现有模型的偏误问题,提出采用非差值复合收益定义因子与夏普比率的方案。
2024-05-17 q-fin.GN q-fin.PM q-fin.RM
Robust Markowitz mean-variance portfolio selection under ambiguous covariance matrix *
本文研究了一个鲁棒连续时间Markowitz投资组合选择问题,其中模型的不确定性对多个风险资产的协方差矩阵进行描述.这个问题是制定成一个最小最大的均值方差问题,在一组非支配的概率措施,解决了McKean-Vlasov动态规划的方法,这使我们能够描述的解决方案在Wasserstein空间的概率措施的Bellman-Isaacs方程。我们给出了最优鲁棒投资组合策略的显式解,并在波动率不确定和两种风险资产之间的相关性不明确的情况下说明了我们的结果。然后,我们推导出封闭形式的鲁棒有效前沿,并获得了任何鲁棒有效投资组合策略的夏普比率的下界。最后,我们比较了夏普比率的表现,一个强大的投资者和投资者与错误指定的模型。MSC分类:91 G10、91 G80、60 H30
2017-03-13 math.OC math.PR q-fin.PM
Optimal Convergence Trading with Unobservable Pricing Errors
我们研究了一个与收敛交易相关的动态投资组合优化问题。收敛交易是一种利用暂时性错误定价的投资策略,它通过同时买入相对低估的资产和卖空相对高估的资产,并期望它们的价格在未来收敛。我们建立在Liu和Timmermann(2013)的模型基础上,并通过将不可观察的马尔可夫调制定价误差纳入两个协整资产的价格动态来扩展它。我们刻画了在完全信息和部分信息条件下的最优投资组合策略,这两种情况都是在无限制策略和β中性策略的假设下。利用新息方法,给出了求解部分信息下最优化问题所必需的滤波方程。最后,为了说明模型的功能,我们提供了一个两状态马尔可夫链的例子。
2019-10-07 q-fin.PM
From Word Counts to Context: Topic Models for Asset Pricing
University of California, Berkeley(加州大学伯克利分校)
本研究比较LDA与句子转换器在新闻文本中构建系统性风险因素的效果,发现后者在主题连贯性和财务表现上更优,组合模型夏普比率达1.03。
2026-09-29 cs.CE q-fin.PM q-fin.ST
Optimal Dynamic Strategies on Gaussian Returns
动态交易策略,在趋势跟踪或均值回归的精神,代表了一个只有部分理解,但有利可图的和普遍的现代金融领域。假设高斯返回和高斯动态权重或信号(例如,过去收益的线性滤波器,如简单移动平均线,指数加权移动平均线,ARIMA模型的预测),我们能够推导出封闭形式的表达式的前四个时刻的策略的回报,在随机信号和未知的未来回报之间的相关性。通过考虑资产配置的随机性,并对策略权重与收益的相互作用进行建模,我们证明了正偏度和超额峰度是所有正夏普动态策略的基本组成部分,这通常是经验观察到的;证明总最小二乘(TLS)或正交最小二乘比OLS更适合于最大化夏普比率,而典型相关分析(CCA)同样适用于多资产的情况;推导出夏普比率的标准误差,其比通常使用的标准误差更严格;以及推导出策略的偏度和峰度的标准误差,显然是新的结果。我们证明了这些结果是渐近适用于广泛的平稳时间序列。
2019-05-31 q-fin.PM q-fin.RM q-fin.ST
Quantum-Assisted Optimal Rebalancing with Uncorrelated Asset Selection for Algorithmic Trading Walk-Forward QUBO Scheduling via QAOA
AI-WEINBERG, AI Experts(AI-WEINBERG人工智能专家)
本文提出一种混合经典-量子框架,通过Ledoit-Wolf收缩协方差估计与层次相关聚类提取无相关资产,结合熵正则化遗传算法优化投资组合权重,并利用QAOA解决QUBO问题,实验证明在降低交易成本的同时保持竞争力风险调整表现。
2026-03-04 cs.AI q-fin.PM
Optimal Portfolio Execution in a Regime-switching Market with Non-linear Impact Costs: Combining Dynamic Program and Neural Network
针对区制转换市场下带非线性冲击成本的投资组合最优执行问题,结合动态规划与神经网络提出四步数值框架,在10资产清盘实验中效果良好,运行时间随资产数和交易周期线性增长。
2023-06-15 q-fin.PM
Optimal allocation using the Sortino ratio
在本文中,我们提出了一个资产配置策略的基础上最大化的索提诺比率。与夏普比率不同,索提诺比率只惩罚负收益方差。所得到的分配对于任何时间范围都是有效的。基于这种分配的策略的回报率使用历史道琼斯数据进行了实证说明,并显示出对凯利标准等更传统的分配策略的显着升级。
2020-07-13 q-fin.PM
Portfolio Analysis in High Dimensions with TE and Weight Constraints
North Carolina State University(北卡罗来纳州立大学);The Chinese University of Hong Kong(香港中文大学)
本文提出CROWN方法,在高维资产中结合因子模型与节点回归,处理跟踪误差和权重约束,证明估计一致性并提供收敛速度,模拟和实证显示其优异性能。
2025-10-17 q-fin.PM q-fin.ST
Portfolio Optimization Constrained by Performance Attribution
本文研究了绩效归因措施作为基础,约束投资组合优化。我们采用优化,最大限度地减少预期的尾部损失,并调查两个资产配置(AA)和选择效应(SE)作为硬约束的资产权重。测试投资组合由道琼斯工业平均指数的股票组成;基准是相同股票的等权重投资组合。通过比较累积价格和风险度量最大回撤、夏普比率和拉切夫比率来判断优化投资组合的表现。研究结果表明,在价格和风险度量性能的AA和SE的约束施加的积极作用,与SE约束产生较大的性能增强。
2021-03-07 q-fin.PM q-fin.RM
Optimal Investment Under Transaction Costs: A Threshold Rebalanced Portfolio Approach
Koc University(Koç大学)
从信号处理视角,提出阈值再平衡投资组合算法,在比例交易成本下最大化期望累积财富,并在历史数据集上显著优于现有方法。
2012-03-19 cs.SY eess.SY q-fin.PM
On the existence of shadow prices for optimal investment with random endowment
本文研究了一类具有固定比例交易成本和随机禀赋的基于数值的效用最大化问题。假设代理人不能卖空资产,并被赋予一个严格的积极或有要求,这个效用最大化问题的原始优化存在。此外,我们观察到,原来的市场与交易成本可以被一个无摩擦的影子市场,产生相同的最优性。另一方面,我们提出了一个例子来表明,在某些情况下,当这些限制放松,影子价格的存在仍然是有道理的。
2017-02-23 math.OC math.PR q-fin.PM