Notes on Fano Ratio and Portfolio Optimization
我们讨论-在什么是打算是一个教学的时尚-广义的“均值风险”比率的投资组合优化。夏普比率只是这种广义的“均值-风险”比率的一个例子。另一个例子是我们称之为法诺比率(与夏普比率不同,法诺比率与时间范围无关)。因此,对于只做多的投资组合,优化法诺比率通常会导致更多样化和更少的倾斜投资组合(与优化夏普比率相比)。我们给出了一个明确的算法,这样的优化。我们还讨论了(Fano比率启发的)多空策略,这些策略在我们的回测中优于基于优化夏普比率的策略。
2018-04-11 q-fin.PM q-fin.RM
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
Sharpe Ratio Analysis in High Dimensions: Residual-Based Nodewise Regression in Factor Models
我们提供了一个新的理论节点回归时,从一个拟合的因子模型的残差使用。我们应用我们的结果来分析的一致性夏普比率估计时,有许多资产的投资组合。我们允许越来越多的资产以及投资组合的时间观察。由于nodewise回归是不可行的,由于未知的特质误差的性质,我们提供了一个可行的残差为基础的nodewise回归估计的精度矩阵的错误是一致的,即使当资产的数量,p,超过时间跨度的投资组合,n。在另一个新的发展,我们还表明,精度矩阵的回报率可以估计一致,即使越来越多的因素和p>n。我们证明:(1)当p>n时,夏普比率估计在全局最小方差和均值方差投资组合中是一致的;(2)当p>n时,当投资组合权重之和为1时,最大夏普比率估计是一致的;(3)当p<<n时,样本外最大夏普比率估计是一致的。
2022-02-03 econ.EM math.ST q-fin.PM
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
Expected Utility Maximization and Conditional Value-at-Risk Deviation-based Sharpe Ratio in Dynamic Stochastic Portfolio Optimization
本文研究了动态随机投资组合优化问题的期望终端效用最大化方法。我们通过求解一个演化的哈密顿-雅可比-贝尔曼方程来数值求解它,该方程通过Riccati变换来变换。我们研究的结果的形状上所选择的效用函数相关的风险厌恶水平的依赖。本文定义了基于条件风险价值离差($CVaRD$)的夏普比率来度量动态投资组合的风险调整绩效。我们计算最优策略的证券投资问题的动机是德国DAX 30指数,我们评估和分析的依赖$CVaRD$的夏普比率的效用函数和相关的风险厌恶水平。
2018-10-27 q-fin.PM
Relief-Gated Relative Rotation for QQQ-DIA Allocation: Globally Screened Relative States, Fixed Position Mapping, Incremental Interaction Admission, and Walk-Forward Validation
USTC(中国科学技术大学)
研究用于QQQ-DIA配置的Relief门控相对旋转(RGRR)规则,通过全局筛选状态映射到QQQ权重,经特定回归和验证确定组合效应,虽能提升风险调整收益,但存在换手率高的问题。
2026-07-08 q-fin.PM
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
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
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
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
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
Risk management under Omega measure
我们证明了欧米茄措施,考虑所有时刻评估投资组合的表现,是等价于广泛使用的夏普比率下联合椭圆分布的回报。在此基础上,研究了基于夏普比率的投资组合优化问题,并给出了一个有效集算法。当考虑非对称收益时,我们证明了Omega测度和夏普比率会导致不同的最优投资组合。
2017-04-11 math.OC q-fin.PM
Portfolio Benchmarking under Drawdown Constraint and Stochastic Sharpe Ratio
我们考虑了一个投资者,在一个具有局部随机波动率(LSV)的市场中,在投资组合缩减约束下,寻求最大化她的期望效用,该期望效用来自她的终端财富相对于在固定时间范围内实现的最大业绩。在没有封闭形式的公式的价值函数和最优投资组合策略,我们获得这些数量的近似值,通过使用系数展开技术和非线性变换。我们利用风险容忍度函数的正则性数值计算我们的近似估计。为了实现类似的价值函数,我们说明,相比于一个恒定的波动率模型,投资者必须部署一个完全不同的投资组合策略,这取决于当前水平的波动率在随机波动率模型。
2016-10-26 q-fin.PM
On the Profitability of Optimal Mean Reversion Trading Strategies
本文研究了美国股票市场最优均值回归交易策略的盈利能力。与常规的配对交易不同,本文采用极大似然法构造了最符合Ornstein-Uhlenbeck过程的最优静态配对交易组合,并对模型参数进行了严格估计。因此,我们在交易前确保我们的投资组合符合均值回归过程。然后,我们使用模型参数生成反向交易信号。并通过多次检验对阈值和样本内期长度进行了优化。在九个好的配对例子中,我们可以看到我们的配对在样本内和样本外的时间段内都表现出很高的夏普比率(超过1.9)。特别地,Crown Castle International Corp.(CCI)和HCP,Inc. (HCP)在样本内测试期间,达到夏普比率2.326,在样本外测试期间,达到夏普比率2.425。皇冠城堡国际公司(CCI)和房地产收入公司(O)在样本内和样本外期间分别达到2.405和2.903的夏普比率。
2016-02-18 q-fin.PM q-fin.ST
Optimal Choice under Short Sell Limit with Sharpe Ratio as Criterion among Multiple Assets
本文是投资学课程的学期论文。本文主要针对中国股票市场的特点,建立了一个效用最大化的投资者的长期投资决策模型。我们采用了基于OR的方法,以市场信息作为输入参数来执行解决方案。本文的两个主要特点是:第一,考虑了中国股票市场的无卖空约束,采用与Markowitz完全相同的方法求解最优投资组合,该方法对中国投资者具有重要的现实意义。其次,我们将多个资产的利益纳入一个单一的定义良好的效用函数,并使用MIQP程序来获得最佳的资金分配,他们每个人沿时间线。
2013-10-25 q-fin.GN q-fin.PM
Fractional Growth Portfolio Investment
我们从数学的角度回顾了投资的一些基本概念,特别关注分数凯利投资组合,将一小部分财富分配给增长最优投资组合,而其余部分则以无风险利率收取(或支付)利息。我们阐明了一个连贯的连续参数的时间序列框架分析这些投资组合,解释夏普比率,增长率和杠杆之间的关系。我们看到凯利准则如何规定与马科维茨均值方差优化相同的杠杆。此外,对于分数凯利投资组合,我们陈述了投资组合夏普比率、分数系数和投资组合对数收益率之间的简单分布关系。这些结果为不同类别的投资者(从个人到量化交易操作)对增长的现实预期提供了重要的见解。然后,我们通过分析投资者的各种债券和股票组合的表现来说明结果的应用。我们还演示了如何利用一个简单的矩量法计算的关系来估计投资组合的夏普比率和风险部署的水平,给定基金的报告回报。
2021-09-07 q-fin.PM
Optimizing Sharpe Ratio: Risk-Adjusted Decision-Making in Multi-Armed Bandits
IIT Delhi(印度理工学院德里分校);IIM Kozhikode(印度管理研究所科泽科德分校)
本文针对多臂老虎机中夏普比率优化难题,提出正则化平方夏普比率(RSSR)框架,并设计UCB-RSSR及多种最佳臂识别算法,在遗憾最小化和固定预算设置下取得理论保证与实验优势,可应用于风险感知投资组合管理。
2024-05-28 cs.LG 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
Market-Adaptive Ratio for Portfolio Management
本文提出市场自适应比率,通过引入区分牛熊市的 $ρ$ 参数并结合强化学习动态调整风险偏好,实证表明其风险调整收益优于夏普比率。
2024-07-08 q-fin.PM
A Deep Reinforcement Learning Framework for Dynamic Portfolio Optimization: Evidence from China's Stock Market
本研究针对传统投资组合优化方法动态调权的局限,提出融合新型夏普比率奖励函数等的深度强化学习框架,经沪深300成分股回测验证,其组合优化与风险控制表现优于传统金融计量模型。
2025-02-20 q-fin.PM
You are in a drawdown. When should you start worrying?
过去有利可图的交易策略往往会随着时间的推移而退化。既然不走运的连胜也会打击“健康”的策略,那么人们如何才能发现真正令人担忧的事情正在发生呢?直觉告诉我们,如果下跌持续时间过长或跌幅过大,那么该策略的假设夏普比率就会向下修正。本文基于上漂布朗运动最后下降长度和深度的精确概率分布,给出了这个问题的定量答案。我们还指出,基金经理和投资者都倾向于低估与基础策略的夏普比率一致的提款长度和深度。
2017-07-21 q-fin.PM
Inference on Achieved Signal Noise Ratio
我们描述了一个程序来执行近似推理高斯i.i.d.下的Markowitz投资组合实现的信噪比。回报.该过程依赖于类似于夏普比率信息准则的统计量。测试表明,该程序有些保守,但在其他方面适用于合理的样本值和资产宇宙大小。我们适应的过程来处理概括的投资组合优化问题。
2020-05-17 q-fin.PM stat.ME
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
Regret-Driven Portfolios: LLM-Guided Smart Clustering for Optimal Allocation
Lahore University of Management Sciences(拉合尔管理科学大学);Institute for Clarity in Documentation(文档清晰研究所);Inria Paris-Rocquencourt(巴黎-罗quant研究所);Rajiv Gandhi University(拉贾·甘地大学);Tsinghua University(清华大学);Palmer Research Laboratories(帕勒尔研究实验室)
本文提出一种LLM引导的智能聚类方法,通过整合在线学习动态和市场情绪指标,构建高夏普比率的投资组合,实现优于传统基准的收益和风险控制。
2026-01-16 cs.LG cs.MA q-fin.PM
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
Quantum Stochastic Walks for Portfolio Optimization: Theory and Implementation on Financial Networks
Chung Yuan Christian University(中原大学);National Taiwan University(台湾大学);NVIDIA Corp.(英伟达公司);Imperial College London(帝国理工学院)
量子随机游走通过挖掘金融网络的图论结构,在投资组合优化中实现更高的夏普比率和更低的换手率,同时满足监管要求。
2025-12-27 q-fin.PM