AMA-K：积极的多时间分配一种积极的在线投资组合选择算法
AMA-K: Aggressive Multi-Temporal Allocation An Algorithm for Aggressive Online Portfolio Selection
摘要：
在线投资组合选择是财富管理的一个组成部分。最基本的承诺是在投资者受到约束的情况下，最大限度地提高回报率，同时最大限度地降低风险。我们的目标是研究和改进现代策略，以在各种市场条件下产生更高的回报。通过整合简单的数据采掘，优化技术和机器学习程序，我们的目标是产生积极和一致的高收益投资组合。这导致了一种新的模式匹配方法，可能会产生进一步的进展，在动态和竞争力的投资组合建设。当使用最大提取、年化收益率和年化夏普比率（使用类似方法）进行比较时，由此产生的策略优于各种基准。建议的策略回报展示了可接受的风险与高回报，在各种市场条件下表现良好。我们的结论是，我们的算法提供了一个改进搜索foroptimal投资组合相比，现有的方法。
英文摘要：
Online portfolio selection is an integral componentof wealth management. The fundamental undertaking is tomaximise returns while minimising risk given investor con-straints. We aim to examine and improve modern strategiesto generate higher returns in a variety of market conditions.By integrating simple data mining, optimisation techniques andmachine learning procedures, we aim to generate aggressive andconsistent high yield portfolios. This leads to a new methodologyof Pattern-Matching that may yield further advances in dynamicand competitive portfolio construction. The resulting strategiesoutperform a variety of benchmarks, when compared using Max-imum Drawdown, Annualised Percentage Yield and AnnualisedSharpe Ratio, that make use of similar approaches. The proposedstrategy returns showcase acceptable risk with high reward thatperforms well in a variety of market conditions. We concludethat our algorithm provides an improvement in searching foroptimal portfolios compared to existing methods.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
