Optimal Dynamic Futures Portfolio in a Regime-Switching Market Framework
研究了在状态转换市场中期货的动态交易问题。将标的资产价格建模为马尔可夫调制扩散过程,提出了一种效用最大化方法来确定最优期货交易策略。这导致了相关的系统的Hamilton-Jacobi-Bellman(HJB)方程,这是减少到一个系统的线性常微分方程的分析。我们将我们的随机框架应用于两个模型,即状态转换几何布朗运动(RS-GBM)模型和状态转换指数Ornstein-Uhlenbeck(RS-XBM)模型。数值例子来说明投资者的最佳期货头寸和投资组合的价值在市场制度。
2019-10-14 q-fin.PM
Portfolio Optimization in Affine Models with Markov Switching
考虑了一个随机因子金融模型,其中资产价格过程和随机因子过程依赖于一个可观测的马尔可夫链,并具有仿射结构。我们面对有限时间的投资期限,并推导出最优的动态投资策略,使投资者的期望效用最大化,从终端财富。为了达到这个目的,我们应用默顿的方法,因为我们处理的是一个不完全的市场。基于马尔可夫链的半鞅特征,我们首先导出了哈密顿-雅可比-贝尔曼方程,在我们的例子中,它对应于一个耦合的非线性偏微分方程组。利用仿射结构的模型,我们推导出简单的表达式的情况下,没有杠杆,即没有相关性之间的布朗运动驱动资产价格和随机因素的解决方案。在杠杆的存在下,我们提出了一个可分离的animals,这导致在这种情况下,以及明确的解决方案。一般验证结果也得到了证明。结果示出的特殊情况下的马尔可夫调制赫斯顿模型。
2014-03-20 math.OC q-fin.PM
Dynamic Investment Portfolio Optimization under Constraints in the Financial Market with Regime Switching using Model Predictive Control
在这项工作中,我们考虑的最优投资组合选择问题的交易量的硬约束下的动态风险资产收益率由离散时间近似的马尔可夫调制几何布朗运动。马尔可夫链的状态被解释为经济的状态。该问题被描述为一个具有期望收益的参考投资组合的动态跟踪问题。我们建议使用模型预测控制(MPC)的方法,以获得反馈交易策略。我们的方法是测试一组从根本上不同的金融市场的真实数据:俄罗斯证券交易所MICEX,纽约证券交易所和外汇市场(外汇)。
2014-10-05 q-fin.PM
Risk Sensitive Portfolio Optimization with Default Contagion and Regime-Switching
研究了一个具有违约传染的状态转换信用市场中风险敏感的投资组合配置问题。假设马尔可夫状态转换过程的状态空间为可数无限集。为了刻画值函数,我们研究了相应的递归无穷维非线性动态规划方程(DPE)的默认状态。我们的工作步骤如下:首先,利用单调动力系统理论,在有限状态空间中通过截断变元证明了递归微分方程经典解的存在唯一性。相关的最优反馈策略的特点是开发一个严格的验证定理。在第一阶段的基础上,我们构造了一系列近似的风险敏感控制问题的有限状态,并证明了所得到的光滑值函数将收敛到原始系统的经典解的DPE。文中还详细讨论了原问题最优反馈策略的构造和逼近问题。
2018-10-24 math.OC math.PR q-fin.PM
Residual Switching Network for Portfolio Optimization
本文研究了美国股票市场投资组合优化的深度学习方法。我们提出了一种新的残差切换网络,可以自动感知市场机制的变化,并相应地在动量和反转预测之间切换。残差切换网络架构结合了两个独立的残差网络(ResNets),即学习股票市场条件的切换模块和学习动量和反转预测器的主模块。我们证明,过拟合噪声金融数据可以控制堆叠的剩余块,并进一步纳入注意力机制,可以提高强大的预测性能。在2008年至2017年上半年期间,剩余切换网络(Switching-ResNet)策略验证了出色的样本外性能,平均年度夏普比率为2.22,而基于ANN的策略的平均年度夏普比率为0.81,线性模型为0.69。
2019-10-16 q-fin.PM q-fin.ST
Optimal portfolio selection in an Itô-Markov additive market
研究了连续时间Itô-Markov可加市场中的投资组合选择问题,其中金融资产的价格由Markov可加过程描述,该Markov可加过程结合了Lévy过程和状态转换模型.因此,该模型考虑了两个风险源:跳跃扩散风险和状态转换风险。因此,市场是不完整的。我们通过使用一组马尔可夫跳跃证券、马尔可夫幂跳跃证券和脉冲状态转换证券来扩大市场,从而完善了市场。此外,我们给出了市场是渐近无套利的条件。我们解决了Ito-Markov可加市场中幂效用和对数效用下的投资组合选择问题。
2018-06-09 q-fin.PM
Portfolio Optimization on Multivariate Regime Switching GARCH Model with Normal Tempered Stable Innovation
本文采用基于模拟的投资组合优化方法来降低投资组合的左尾部风险。贡献是双重的。(i)本文提出了一个具有多元正态调和稳定新息的马尔可夫状态转换GARCH模型(MRS-MNTS-Gestival),以适应厚尾、波动率聚集和状态转换的特点。各资产的波动率独立地服从体制转换GARCH模型,而各GARCH模型的联合新息的相关性服从隐马尔可夫模型。(ii)在投资组合优化中,我们使用尾部风险度量,即条件风险价值(CVaR)和条件提取风险(CDaR)。优化是用MRS-MNTS- GARCH模型模拟的样本路径进行的。我们对最优投资组合的绩效进行了实证研究。样本外检验表明,在各种绩效指标上,具有尾部测度的最优投资组合优于具有标准差测度的最优投资组合和等权重投资组合。最优投资组合的样本外表现对有效前沿上的次优性也更鲁棒。
2023-02-02 q-fin.MF q-fin.PM q-fin.RM
Optimal investment for participating insurance contracts under VaR-Regulation
本文研究了分红型寿险合同中权益人在风险价值(VaR)约束下的最优投资组合问题。在具有不可对冲死亡率风险和完备金融市场的背景下,利用约束非凹优化问题的鞅方法,给出了具有死亡率风险合同的最优解.我们表明,监管风险值约束参与保险合同导致更谨慎的投资比在没有监管的情况下。这一结果与保险公司使公司总财富效用最大化(不区分股东和保单持有人的贡献)的情况相反,在这种情况下,VaR约束可能会导致保险公司承担过度风险,导致比没有监管的情况下更高的损失。与不受监管的问题相比,风险价值约束的策略导致更高的期望效用的保单持有人,突出了潜在的有用性的风险价值监管的背景下,保险。如果风险值型监管被投资组合保险(PI)型监管所取代,谨慎的投资行为将更加重要。此外,更严格的监管(在风险值问题中允许更小的违约概率或在PI问题中更高的最低保证水平)提高了保单持有人的利益,但损害了保险公司的利益。对于这两种类型的监管,期望效用方面的收益在参与率较高时较大,而在奖金率较高时较小。我们还将我们的分析扩展到在中间时间日期进行股息和过早死亡福利支付的框架。
2019-07-24 q-fin.MF 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 mean-variance portfolio selection under regime-switching-induced stock price shocks
针对机制转换金融模型,本文引入机制转换引致的股价跳跃,利用配平方方法推导无约束及禁卖空约束下MV问题的最优策略与有效前沿。
2025-07-26 math.OC math.PR q-fin.MF
Switching Portfolios
AT&T Labs(AT&T实验室)
恒定再平衡投资组合是一种资产配置算法,该算法在一段时间内保持一组资产之间的财富分配相同。最近,已经有在线投资组合选择算法的工作,这些算法与事后确定的最佳恒定再平衡投资组合具有竞争力。就其本质而言,这些算法采用的假设是,使用固定的资产配置策略可以实现高回报。然而,股票市场远不是静止的,在许多情况下,通过不断重新平衡的投资组合获得的财富远远小于通过适应市场变化的临时投资策略获得的财富。在本文中,我们提出了一个有效的贝叶斯投资组合选择算法,能够跟踪不断变化的市场。我们还描述了一个简单的扩展算法的情况下,一般的交易成本,包括交易成本模型最近调查的百隆和卡莱。我们提供了一个简单的分析算法的竞争力,并检查其性能的真实股票数据从纽约证券交易所积累在22年的时间。
2013-01-30 cs.AI q-fin.PM
Dynamic Portfolio Optimization with a Defaultable Security and Regime Switching
本文研究了有限多个经济制度下的可违约市场中的投资组合优化问题,投资者可以在可违约债券、股票和货币市场账户中动态分配财富.市场系数被假定为取决于市场制度的地方,这是一个有限状态连续时间马尔可夫过程建模。我们严格推导出动态的可违约债券价格过程的马尔可夫调制的随机微分方程。然后,通过将效用最大化问题分解为违约前和违约后两种情形,推导出违约后和违约前最优值函数的两个耦合哈密顿-雅可比-贝尔曼方程,并给出了一个新的验证定理.在对数效用下,我们得到了投资者的最优投资策略和价值函数。最后,我们在两种制度和同质转移率的市场的情况下进行了经济分析,并显示了违约强度和损失率对最优策略和价值函数的影响。
2011-09-06 q-fin.PM
Optimal Investment and Premium Policies under Risk Shifting and Solvency Regulation
有限责任在投保人和保险公司股东之间产生了利益冲突。它为股东提供了增加保险公司资产和负债风险的激励,而这反过来又可能降低投保人所附加的价值和他们愿意为保险支付的保费。在此背景下,我们的帕累托最优投资和保费政策的特点,并提供其存在性和唯一性的充分必要条件。然后,我们确定投资和保费政策下的风险转移问题,如果股东不能合理地承诺的投资策略之前,政策出售和保费支付。最后,我们分析了偿付能力监管,如偿付能力II或瑞士偿付能力测试,对风险转移问题的代理成本的影响,并校准我们的模型,以非寿险保险公司的平均投资组合。
2011-03-09 q-fin.PM q-fin.RM
Risk-Sensitive Credit Portfolio Optimization under Partial Information and Contagion Risk
本文研究了具有物理违约传染和信息诱导违约传染的制度转换信用市场中有限期限风险敏感投资组合优化问题。它假设潜在的政权切换过程具有可数状态,是不可观测的。随机控制问题是在资产价格和连续违约事件的部分观测下提出的。通过建立一个基于不完全过滤和逐步淘汰过滤的鞅表示定理,将控制问题转化为一个带跳的二次型B超控制问题,其中驱动项是非标准的,并携带条件过滤器作为无穷维参数.通过提出一些截断技巧和证明一个一致的先验估计,我们利用截断倒向随机微分方程解的收敛性得到了解的存在性。验证定理可以得出的援助,我们的结果,这反过来又产生的唯一性的解决方案的Besides。
2021-07-27 math.OC math.PR q-fin.PM
Exploratory Mean-Variance Portfolio Optimization with Regime-Switching Market Dynamics
研究体制切换市场下的连续时间均值-方差投资组合优化问题,提出EMVRS框架,并基于鞅性质设计正交条件学习算法,在模拟与真实市场中均优于TD学习。
2025-01-28 q-fin.MF q-fin.PM q-fin.ST
Measuring switching processes in financial markets with the Mean-Variance spin glass approach
在本文中,我们使用均值-方差模型来衡量当前的市场状态。在我们的研究中,我们采取的方法来检测自旋图片中的投资组合的整体对齐。对基态的投影使我们能够使用物理观测值来描述所探索市场的当前状态。定义的投资组合磁化显示光标效应,我们使用它来检测动荡。
2015-03-13 physics.soc-ph q-fin.PM q-fin.RM
Indifference pricing of pure endowments in a regime-switching market model
本文研究区制转换市场下纯生存保险的指数效用无差异定价,通过随机控制方法推导最优策略与定价方程,给出概率表示并通过数值实验分析参数影响。
2025-07-29 q-fin.PM
Martingale approach to optimal portfolio-consumption problems in Markov-modulated pure-jump models
在一个具有马尔可夫调制(状态转换)跳跃分布的纯跳跃资产价格模型中,研究了使消费和终端财富的期望效用最大化的最优投资策略.我们给出了最优策略存在的充分条件,并在两状态马尔可夫链的情况下,找到了具有对数和分数幂(CRRA)效用的代理的最优值函数的封闭形式表达式。主要工具是凸对偶技术,纯跳过程的随机微积分和显式公式的时刻与马尔可夫调制的随机跳电报过程。
2014-06-12 math.PR q-fin.PM
Mean-variance hedging of unit linked life insurance contracts in a jump-diffusion model
我们考虑一个时间一致的均值-方差投资组合选择问题的保险公司,并允许纳入基础(死亡率)风险。最优解被确定为纳什子博弈完美均衡。我们将最优策略描述为一个偏积分微分方程系统的解,即一个扩展的Hamilton-Jacobi-Bellman(HJB)系统。我们证明了平衡点必然是扩展HJB系统的解。在一定条件下,我们得到了扩展HJB系统的显式解,并给出了最优交易策略的封闭形式。仿真结果表明,以前发现的策略产生的收益,其期望和方差是强大的股票跳跃大小的分布。当方差被正确估计时,观察到相同的现象,但错误地归因于扩散分量。此外,我们表明,在保险期限和长寿资产的到期时间的差异不添加到终端财富的方差。
2019-08-15 math.OC math.PR q-fin.PM
Explicit solutions to utility maximization problems in a regime-switching market model via Laplace transforms
我们研究了终端财富的效用最大化问题,其中代理人通过投资于债券和风险资产来最优地建立她的投资组合。资产价格的动态遵循一个扩散过程的状态转换系数建模的连续时间有限状态马尔可夫链。我们考虑一个具有恒定相对风险厌恶(CRRA)效用函数的投资者。我们推导了相应的哈密顿-雅可比-贝尔曼方程,构造了解和最优交易策略,并通过证明价值函数是哈密顿-雅可比-贝尔曼方程的唯一约束粘性解来验证最优性.通过拉普拉斯变换的方法,我们展示了如何明确地计算值函数,并说明了两个和三个状态的情况下的方法。这种方法本身是有趣的,并且可以适用于涉及混合系统的其他应用,并且使用具有类似于拉普拉斯变换的基本性质的其他类型的变换。
2018-04-23 math.OC math.PR q-fin.PM
Dynamic Strategy Selection
Royal Holloway University of London(伦敦大学皇家霍洛威学院)
针对模型切换有成本、仅在特定状态下最优的问题,提出用强化学习算法估计动态模型选择的最优策略,实证显示在带再平衡成本的投资组合场景中表现优于事后选优的方法。
2026-11-05 cs.LG q-fin.PM stat.ME
Dynamic Factor Allocation Leveraging Regime-Switching Signals
本文利用稀疏跳跃模型识别因子牛熊状态,并将状态推断融入 Black-Litterman 模型动态配置多因子组合,显著提升信息比率和组合表现。
2024-10-18 q-fin.CP q-fin.PM q-fin.ST
Switching Frictions, Heterogeneous Trading Horizons, and Long-Memory Order Flow
Miralta Finance Bank S.A.(米尔塔金融银行股份公司);University of Reading(雷丁大学);Albert School(阿尔伯特学院)
本文提出投资组合选择表征高成本变更促成持续订单流的机制,通过分析异质驻留时间等建立联合约束,经模拟量化错配权重扭曲,形成可验证执行成本模型适用性的实证协议。
2026-09-03 q-fin.PM
Portfolio Allocation under Heterogeneous Scales and Multifractality
Kochi University of Technology(高知工科大学);Kyoto University(京都大学)
该研究针对金融信号的异尺度与多重分形特性,构建基于MFCCA的投资组合分配模型,可降低多资产的回撤、VaR等风险且不损失收益,适用于多尺度耦合的复杂系统资源分配。
2026-08-06 q-fin.PM q-fin.RM
Multidimensional indefinite stochastic Riccati equations and zero-sum stochastic linear-quadratic differential games with non-Markovian regime switching
针对非 Markov 机制切换下的零和随机线性二次微分博弈,本文借助新型多维不定 SRE 与无界系数线性 BSDE 给出闭环最优策略,并证明该 SRE 解的存在唯一性。
2024-09-09 math.OC math.PR q-fin.MF
Dynamic Investment Strategies Through Market Classification and Volatility: A Machine Learning Approach
本研究提出一个动态投资框架,利用K means聚类划分市场波动状态并结合Bayesian Markov switching model预测状态转换,实现实时资产配置调整,在多组资产测试中显著提升了风险调整后收益和总收益,优于多数静态策略。
2025-03-19 math.ST q-fin.PM stat.TH
Regime-Based Portfolio Allocation Using Hidden Markov Models and Reinforcement Learning
Aenimatica Tech Research and Development(Aenimatica科技研发)
本研究结合隐马尔可夫模型(HMM)与强化学习(RL),提出一种制度感知的投资组合分配框架,在股票、长期国债和黄金之间动态配置资产,实现了优于被动基准的风险调整后收益。
2026-05-27 econ.EM q-fin.CP q-fin.MF
Dynamic allocation: extremes, tail dependence, and regime Shifts
本文构建GARCH-DCC-Copula模型与动态机制转换模型以预测全球市场下行风险和实时风险机制,并提升全球战术资产配置及量化股票因子投资表现。
2025-06-14 econ.EM q-fin.PM