Portfolio Optimization on the Dispersion Risk and the Asymmetric Tail Risk
在本文中,我们提出了一个市场模型,假设收益率服从多元正态回火稳定分布定义的多元正态分布和回火稳定从属的混合。这种分布能够捕捉到两个程式化的事实:肥尾和不对称性,这已经被经验观察到的资产收益率分布。在新的市场模型下,我们讨论了一种新的投资组合优化方法,它是Markowitz的均值方差优化方法的推广。新的优化方法不仅考虑了报酬和离散,而且考虑了非对称性。有效前沿也被推广到三维空间上的一个曲面上的奖励,分散和不对称。我们还提出了一个新的性能指标,这是一个扩展的夏普比率。此外,我们推导出封闭形式的解决方案的投资组合经理在投资组合建设中使用的两个重要措施:边际风险价值(VaR)和边际条件风险价值(CVaR)。我们说明了所提出的模型,包括道琼斯工业平均指数的股票。首先进行了新的投资组合优化,然后论证了在该模型下边际VaR和边际CVaR如何用于投资组合优化。基于本文提出的经验证据,我们的框架提供了现实的投资组合优化和易于处理的方法,投资组合风险管理。
2020-09-19 q-fin.PM
Kelly's Criterion in Portfolio Optimization: A Decoupled Problem
凯利准则在赌徒和投资者中是众所周知的,作为一种最大化人们在长期赌博或投资中期望观察到的回报的方法。这些思想在金融和自动化文献中的投资组合优化问题中明显缺乏。本文将展示如何凯利准则可以纳入标准的投资组合优化模型。在这里开发的模型结合风险和回报到一个单一的目标函数,将风险参数。然后,该模型求解的投资组合的10只股票从一个主要的证券交易所使用差分进化算法。用蒙特卡罗计算验证了差分演化结果的准确性。结果表明,进化算法可以成功地应用于解决一个投资组合优化的回报计算问题,通过应用凯利准则的投资组合中的每一个资产。
2018-02-17 q-fin.PM
Generalized distance to a simplex and a new geometrical method for portfolio optimization
在投资者进行投资组合决策的过程中,风险规避起着重要的核心作用。在这个投资组合优化的框架中,我们使用一种新的几何方法来确定具有最小风险的投资组合。为此,我们详细说明了一个算法,使我们能够计算任何广义欧氏距离的标准单形。利用这种新的方法,我们能够处理不允许卖空的投资组合优化的情形,并且我们还以几何形式恢复了允许卖空的投资组合优化的著名结果.然后,我们应用我们的结果,以确定CAC 40股票的凸组合具有最低的风险:我们不仅得到了一个非常低的风险相比,指数,但我们也得到了一个回报率,几乎是一个指数的三倍。
2020-09-18 q-fin.PM
Cryptocurrency portfolio optimization with multivariate normal tempered stable processes and Foster-Hart risk
我们研究了四种主要加密货币的投资组合优化。我们的时间序列模型是一个广义自回归条件异方差(GARCH)模型,具有用于捕获非高斯加密货币回报动态的多元正态回火稳定(MNTS)分布残差。基于时间序列模型,我们根据Foster-Hart风险对投资组合进行了优化。这些复杂的技术尚未在加密货币的背景下记录。统计测试表明,MNTS分布式GARCH模型比竞争的GARCH型模型更适合加密货币回报。我们发现,福斯特-哈特优化产生一个更有利可图的投资组合,更好的风险收益平衡比流行的方法。
2020-10-18 q-fin.PM
Universal portfolios in continuous time: an approach in pathwise Itô calculus
University of Waterloo(滑铁卢大学)
研究在路径伊藤微积分无模型背景下的连续时间通用投资组合策略,通过系统比较自融资交易策略描述确立其存在性,证明投资组合价值过程是恒定再平衡策略价值平均值,并给出相关策略绩效等比较结果。
2026-07-14 q-fin.MF q-fin.PM
Active extension portfolio optimization with non-convex risk measures using metaheuristics
我们考虑的主动扩展投资组合的优化。为此,优化问题被重写为一个随机规划模型,并使用一个聪明的多开始本地搜索启发式,这证明提供稳定的解决方案。在适用的情况下,将启发式解决方案与凸优化求解器的优化结果进行比较。此外,该方法适用于解决非凸风险措施的问题,最显着的是最小化风险价值。显示了使用道琼斯工业平均指数和DAX 30数据的数值结果。
2014-06-30 q-fin.PM
Portfolio Optimization based on Neural Networks Sensitivities from Assets Dynamics respect Common Drivers
提出基于神经网络敏感性动态的投资组合优化框架,通过共同性原理选择驱动因子,利用敏感性矩阵层次聚类实现特质与系统性风险分散化,并在多个真实数据集上超越其他样本外方法。
2022-12-03 q-fin.PM
A Robust Statistics Approach to Minimum Variance Portfolio Optimization
我们研究了在最小风险准则下的投资组合设计问题。最优投资组合的绩效依赖于投资组合资产收益率协方差矩阵估计的准确性。对于大型投资组合,可用的市场收益的数量通常与资产的数量相似,因此样本协方差矩阵作为协方差估计器的性能很差。此外,金融市场数据通常包含离群值,如果不正确处理,可能进一步破坏协方差估计。我们解决这些缺点,通过研究的混合协方差矩阵估计泰勒的强大的M-估计和Ledoit-Wolf的收缩估计的基础上,同时假设样本具有重尾分布的性能。利用随机矩阵理论的最新成果,我们开发了一个一致的估计(缩放版本)的已实现的投资组合风险,这是最小化的在线优化收缩强度。我们的投资组合优化方法是通过模拟,以优于现有的方法合成和真实的市场数据。
2015-03-27 q-fin.PM
Systemic Risk of Optioned Portfolios: Controllability and Optimization
本文研究了基于CoVaR度量的系统性风险的投资组合选择问题。我们首先证明了由于传染效应和跷跷板效应,纯股票投资组合的系统性风险本质上是不可控的。其次,我们证明了引入期权使系统性风险通过相关性套期保值和极端损失套期保值可控的必要性和充分性。除了系统性风险控制,我们还发现,使用期权也可以提高收益风险绩效。然后,一个合理的近似的条件分布的期权投资组合,我们表明,投资组合优化问题可以制定为一个二阶锥规划(SOCP),允许有效的计算。最后,我们进行了全面的模拟和实证测试,以说明我们的方法的理论研究结果和性能。
2022-09-10 q-fin.PM
Online Universal Dirichlet Factor Portfolios
针对在线投资组合分配问题,提出因子加权的通用Dirichlet投资组合,通过解析推导和股票市场实证证明其优于均匀Dirichlet分配方案。
2023-11-07 cs.CE q-fin.MF 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
LQG for portfolio optimization
当市场表现出收益可预测性、价格影响和部分可观测性时,我们引入了一个动态投资组合配置问题的通用求解器。我们假设价格建模可以被编码成一个线性状态空间,我们演示了如何将问题,然后落入LQG框架。我们推导出最优控制策略,并引入分析工具,保持解决方案的可理解性。此外,我们链接的最优控制器的存在性和唯一性的动态无套利准则。最后,我们说明了我们的方法使用合成投资组合分配问题。
2016-11-04 q-fin.PM
Integrating prediction in mean-variance portfolio optimization
传统上,预测模型的优化与其在资产配置决策过程中的使用无关。我们解决这个缺点,并提出了一个框架,集成回归预测模型的均值方差优化(MVO)设置。封闭形式的解析解提供了无约束和等式约束的MVO的情况下。对于一般的不等式约束的情况下,我们利用神经网络架构的最新进展,有效地优化批处理二次规划。据我们所知,这是第一个严格的研究整合预测的均值-方差投资组合优化设置。我们提出了几个历史模拟使用合成和全球期货数据来证明综合方法的好处。
2022-11-30 q-fin.PM
Mean-Variance Portfolio Management with Functional Optimization
针对投资组合优化问题,提出了一种新的函数优化方法,将未知权向量看作是过去值的函数,而不是以往研究中的固定未知系数。我们首先表明,最优解,在一般情况下,是不是一个常数的函数。我们给出了向量函数为解的最优条件,从而给出了插入式解(用基于过去值的某些估计值替换未知均值和方差)为最优的条件。在表明插件的解决方案是次优的一般情况下,我们提出了梯度上升算法来解决均值-方差投资组合管理的函数优化收敛定理。仿真和实证研究表明,我们的方法可以执行显着优于插件的方法。
2020-11-17 q-fin.PM
Portfolio optimization under dynamic risk constraints: continuous vs. discrete time trading
我们考虑一个投资者面临一个经典的投资组合问题的最优投资的对数布朗股票和固定利率债券,但限制选择投资组合和消费策略,减少动态短缺风险措施。对于连续时间和离散时间的金融市场,我们研究的损失,在期望效用的中间消费和终端财富所造成的动态风险约束。我们推导出动态规划方程的随机最优控制问题,并解决它们的数值。我们的数值结果表明,投资组合的性能损失并不太大,而风险显着降低。然后,我们调查时间离散化的影响,并发现,施加风险约束所造成的投资组合业绩的损失通常大于不频繁的交易所造成的损失。
2017-08-03 q-fin.PM
Diversifying portfolios of U.S. stocks with crude oil and natural gas: A regime-dependent optimization with several risk measures
能源市场对政府和经济发展具有战略意义。一些初级商品作为替代能源和能源多样化竞争。这种竞争降低了国家的能源脆弱性以及投资组合的风险。脆弱性主要是供求冲击后的价格趋势和波动造成的。这种能源价格的不确定性吸引了能源商品市场的许多市场参与者。首先,能源生产者和消费者利用能源衍生品对冲不利的价格变化。第二,金融市场参与者利用商品和商品衍生品使其常规投资组合多样化。因此,我们认为美国(美国)之间的联合依赖。天然气、原油和股票市场。我们使用Gatfaoui(2015)的时变多变量Copula分析和相关方差机制。这种方法处理资产价格的结构性变化。有鉴于此,我们得出了投资组合优化的含义,当投资者分散他们的股票投资组合与天然气和原油资产。在投资组合的预期收益率和/或美国股票投资存在和不存在约束的情况下,我们最小化投资组合的方差、半方差和尾部风险。收益约束降低了最优投资组合的性能。此外,特定于制度的投资组合优化有助于在整个样本期内实施增强的主动管理策略。在收益约束下,半方差最优投资组合提供了最佳的风险收益权衡,而尾部风险最优投资组合提供了最佳的权衡在没有收益约束。
2018-11-06 q-fin.PM
Smart Predict--then--Optimize Paradigm for Portfolio Optimization in Real Markets
Waseda University, Graduate School of Creative Science and Engineering(早稻田大学 创造理工学部)
本文提出智能预测-然后-优化范式,通过决策导向的训练提升投资组合的风险调整后表现,并在非平稳市场中展现鲁棒性。
2026-01-12 q-fin.PM
Multi-Period Portfolio Optimization using Model Predictive Control with Mean-Variance and Risk Parity Frameworks
我们采用模型预测控制的多期投资组合优化问题。除了均值-方差目标之外,我们还构建了一个投资组合,其分配由具有风险平价目标的模型预测控制给出,并提供了一种连续凸规划算法,该算法在实验中提供了30倍的速度和鲁棒性解决方案。对多资产领域的计算结果表明,在2006-2020年的样本外时期,多时期模型的表现优于单时期模型。均值-方差和风险-平价公式的样本外风险调整后的表现都击败了固定组合基准,并分别达到了0.64和0.97的夏普比率。
2021-03-19 q-fin.PM
Portfolio Optimization in the Financial Market with Correlated Returns under Constraints, Transaction Costs and Different Rates for Borrowing and Lending
本文研究了在风险资产收益率序列相关的情况下,在交易量、交易成本和不同借贷利率的硬约束下的最优投资组合选择问题。不需要对不同时间点之间的相关性结构或资产收益率的分布进行假设。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。我们的方法是测试一组真实的数据从俄罗斯证券交易所MICEX。
2014-10-29 q-fin.PM
Portfolio optimization with idiosyncratic and systemic risks for financial networks
在这项研究中,我们提出了一个新的多目标投资组合优化的特质和系统性风险的金融网络。这两种风险分别用资产相关网络的特质方差和网络聚集系数来度量。我们构建了三种类型的金融网络,其中节点表示资产,边缘基于三种相关性度量。从多目标模型出发,建立并求解了资产配置问题。我们发现,通过多目标网络方法获得的最优投资组合有一个显着的超额绩效的回报措施在样本外的框架。股票市场波动下跌期间的跌幅较小,进一步支持了这一点。通过分析不同的数据集,我们还表明,投资组合策略的改进是稳健的。
2021-11-22 q-fin.PM
Replica Analysis for Portfolio Optimization with Single-Factor Model
本文利用复制分析方法研究了资产收益率之间的相关性对投资组合优化问题解的影响。我们考虑的情况下,回报率是用一个单因子模型描述的最优解的行为和比较的结果,从我们提出的方法与相关的回报率与独立的回报率。然后,我们分析评估相关性时,投资风险的增加。此外,我们还比较了我们的方法与分析程序,以尽量减少投资风险的运筹学。
2017-04-05 q-fin.PM
Doubly Robust Mean-CVaR Portfolio
本文提出双重鲁棒均值-CVaR投资组合方法,通过同时优化多水平CVaR并对均值参数建立不确定集,解决参数不稳定和估计误差问题,理论可化为二阶锥规划,并在实验中优于现有策略。
2023-09-20 q-fin.PM
Investment Portfolio Optimization Based on Modern Portfolio Theory and Deep Learning Models
本文提出基于LSTM-RNN、DeepVAR和GPVAR深度学习模型的方差-协方差矩阵估计框架用于投资组合优化,实验表明LSTM-RNN在信息比率和年化收益上表现最佳,且更长观察窗口和较低再平衡频率能提升策略表现。
2025-08-20 q-fin.PM
A Risk-Sensitive Portfolio Optimization Problem with Fixed Incomes Securities
讨论了一类风险敏感的投资组合优化问题。我们考虑Nagai在2003年研究的投资组合优化模型。就其性质而言,该模型也可以在投资组合中包括固定收益证券。在相当一般的条件下,我们证明了有限和无限时间问题中最优投资组合的存在性。
2007-11-17 math.OC q-fin.PM
A Note on Universal Bilinear Portfolios
这篇文章提供了一个整洁和愉快的扩展和应用的宏伟Ordentlich-Cover理论的“通用投资组合。“我通过考虑事后为资产价格的实现序列确定的最佳双线性交易策略,推广了Cover的事后最佳恒定再平衡投资组合(或1-线性交易策略)基准。双线性交易策略是一种小型的两期主动策略,其最终资本增长因子在资产市场的每一期总收益向量中分别是线性的。我应用Cover(1991)独创性的业绩加权平均技术来构造一个通用的双线性投资组合,该投资组合保证(对所有可能的市场行为都是一致的)以与事后看来的最佳双线性交易策略相同的渐近比率复合其资金。因此,泛双线性投资组合渐近优于原始(1-线性)泛投资组合,在相同的技术意义上,覆盖的泛投资组合渐近优于所有常数再平衡投资组合和所有购买并持有策略。事实上,就像许多俄罗斯套娃一样,人们可以忘乎所以,用这些想法来构建一个无止境的、由越来越占主导地位的$H$组成的层次结构--线性通用投资组合。
2022-10-20 econ.TH q-fin.CP q-fin.GN
Noise-proofing Universal Portfolio Shrinkage
Université Paris-Saclay(巴黎萨克雷大学);Barclays Bank Ireland PLC(巴克莱银行爱尔兰有限公司)
针对UPSA在金融数据噪声和协变量偏移下的局限性,提出最优惩罚权重时间平均与平均Oracle相关特征值两种改进方法,结合后在多数设定中大幅提升其鲁棒性与表现。
2025-11-13 q-fin.PM q-fin.RM
The Feedback Effect of Hedging in Portfolio Optimization
在这篇短文中,我们将展示如何优化对冲策略影响其资产价格的大型交易者的投资组合。
2004-04-21 cond-mat.other q-fin.PM
Some connections between higher moments portfolio optimization methods
在本文中,不同的投资组合优化方法具有较高的时刻,如偏度和峰度进行分类,使读者可以观察到不同的范式和方法在这一领域的研究,这是必不可少的从业人员在对冲基金,特别是。回顾了基于不同范式的几种方法,如效用方法和多目标优化,并说明了这些思想的优点和缺点。关键词:多目标优化,投资组合优化,标量化,效用
2022-01-01 cs.CE q-fin.PM
Multistage Portfolio Optimization: A Duality Result in Conic Market Models
证明了具有比例交易成本的多阶段投资组合优化问题的一般对偶结果。金融市场是由卡巴诺夫模型的外汇市场在有限的概率空间和有限时域离散时间步长。这个框架允许我们比较偏序下的向量值投资组合,所以我们的模型不需要在终端清算到一些计价单位。我们将向量值投资组合问题嵌入到集合优化框架中,生成了一个与投资组合优化对偶的问题。使用最近的结果在发展中的集合优化,然后,我们表明,一个强大的对偶关系之间的问题。
2016-01-22 math.OC q-fin.PM
Risk management in multi-objective portfolio optimization under uncertainty
Fraunhofer Institute for Industrial Mathematics(弗劳恩霍夫工业数学研究所);University of Kaiserslautern-Landau(凯泽斯劳滕-兰道大学)
本文提出了一种基于鲁棒多目标优化的方法,通过纳入基准比较来提升投资组合在不确定性下的优化效果和适应性。
2024-07-29 math.OC q-fin.PM
Novel Risk Measures for Portfolio Optimization Using Equal-Correlation Portfolio Strategy
本文提出基于等相关投资组合策略的新风险度量,构建每项资产与组合收益等相关的优化框架,实证表明其能改善风险分散和收益稳定性,为传统分散化提供替代方案。
2025-07-20 q-fin.PM stat.AP
Portfolio Optimization with Relative Tail Risk
本文给出了正常调和稳定市场模型下投资组合CoVaR和CoCVaR的解析形式。由于CoCVaR捕捉了投资组合相对于基准收益率的相对风险,因此我们将其应用于相对投资组合优化。此外,我们推导出的边际贡献CoVaR和CoCVaR的边际贡献的解析形式。本文讨论了CoCVaR的Monte-Carlo模拟计算方法以及CoVaR和CoCVaR的边际贡献。作为实证说明,我们以30只股票为样本,在道琼斯工业平均指数处于困境的情况下,证明了相对投资组合优化。最后,我们执行的风险预算方法,以减少CoVaR和CoCVaR的组合的基础上的边际贡献CoVaR和CoCVaR。
2023-03-27 q-fin.PM q-fin.RM
Functional portfolio optimization in stochastic portfolio theory
在本文中,我们开发了一个具体的和完全可实现的方法来优化随机投资组合理论中的功能生成的投资组合。其主要思想是优化一个家庭的排名为基础的投资组合参数的指数凹函数的单位区间。这一选择的动机可能是在大型股票市场中观察到的资本分布的长期稳定性,并允许我们规避维数灾难。由此产生的优化问题,这是凸的,允许各种正则化和约束施加在生成函数上。我们证明了我们的优化问题的存在性和唯一性的结果,并提供了一个稳定性估计的Wasserstein度量的输入措施。然后,我们制定了一个离散化,可以实现数值使用现有的软件包,并分析其近似误差。最后,我们提出了实证的例子,使用CRSP数据从美国股票市场,包括业绩的投资组合考虑股息,违约,和交易成本。
2021-10-10 math.OC q-fin.PM
Machine Learning and Factor-Based Portfolio Optimization
我们研究机器学习和基于因素的投资组合优化。我们发现,基于自编码器神经网络的因素表现出较弱的关系,常用的特征排序的投资组合比流行的降维技术。机器学习方法还导致协方差和投资组合权重结构偏离更简单的估计。最小方差投资组合使用潜在的因素,从自动编码器和稀疏的方法在风险最小化方面优于简单的基准。在高波动期间或考虑到尾部风险时,对风险调整收益率敏感度较高的投资者会放大这些影响。
2021-07-29 econ.EM q-fin.PM
Generalizing Markowitz Portfolio Optimization by a Quadratic Risk Measure
Institute of Mathematics, Vilnius University(维尔纽斯大学数学研究所)
该研究将经典马克维茨投资组合优化的方差风险测度推广至严格凸二次风险测度,推导了多种投资组合的闭式公式,发现切线投资组合与最大夏普比率投资组合不重合的新几何现象并通过数值示例验证。
2026-08-26 math.OC q-fin.PM
Sparse Non-Convex Optimization For Higher Moment Portfolio Management
高阶矩投资组合优化方法在投资决策中没有被从业者充分使用的原因之一是这些高阶矩通过使优化问题非凸而产生的复杂性。文献中已有许多方法和理论结果,但本文对均值-方差-偏度问题采用逐次凸逼近的方法。
2022-01-06 cs.CE q-fin.PM
Dynamic Portfolio Optimization with Inverse Covariance Clustering
市场情况不断变化。然而,在投资组合的投资策略中,很难解释这种内在的非平稳性。在本文中,我们建议解决这个问题,使用逆协方差聚类(ICC)方法来识别固有的市场状态,然后将这些状态整合到一个动态的投资组合优化过程。在三个不同的市场,纳斯达克,富时和HS 300,在十年的时间内,广泛的实验,证明了我们提出的算法,称为逆协方差聚类-投资组合优化(ICC-PO)的优势。ICC-PO方法的核心是通过分析过去的数据和预测未来的市场状态来识别和聚类市场状态。因此,它与具体的投资组合优化方法的选择无关。通过应用相同的投资组合优化技术的ICC的时间集群,而不是整个训练期间,我们可以生成投资组合具有显着更高的夏普比率,这是统计上更强大和弹性的极大减少在极端情况下的最大损失。这表明在不同的市场、时期、优化方法和投资组合资产的选择中是一致的。
2022-01-14 q-fin.PM q-fin.ST
Portfolio Optimization
本文采用投资组合优化技术来确定最有利的投资组合。特别是,评估了三家公司的股票指数,即微软公司、克里斯汀·迪奥时装公司和雪弗龙公司。利用这些数据,当在有效前沿选择一个投资组合时,计算出投资于每种资产的金额。此外,还提出了最小方差投资组合、切线投资组合和最优Markowitz投资组合。
2022-01-03 q-fin.PM q-fin.ST
Portfolio Optimization under Correlation Constraint
考虑了具有相关约束的投资组合优化问题。该框架是一个可交易股票,随机收入和非交易指数的多时期随机金融市场设置。在某个基准时间范围内,对投资组合和非交易指数施加相关性约束。我们的目标是最大化港口的预期指数效用的相关性约束。两种类型的最优投资组合策略:子博弈完美和预承诺的。我们找到了约束子博弈完美(CSGP)和约束预承诺(CPC)投资组合策略的解析表达式。这两种投资组合策略产生显着较低的风险相比,无约束的设置,在一个小的效用损失的成本。CSGP和CPC投资组合策略的表现相似。
2019-12-28 math.OC q-fin.PM
Decision-Induced Ranking Explains Prediction Inflation and Excessive Turnover in SPO-Based Portfolio Optimization
Waseda University(早稻田大学)
本文通过KKT条件解释决策聚焦学习在投资组合优化中导致预测膨胀和过度换手的原因,并提出裁剪、最小-最大重缩放和部分组合调整等稳定机制。
2026-07-14 q-fin.CP q-fin.PM
An Evolutionary Optimization Approach to Risk Parity Portfolio Selection
在本文中,我们提出了一种进化优化方法来解决风险平价投资组合选择问题。虽然存在凸优化方法来解决这个问题时,只考虑长期投资组合,优化问题变得不平凡的情况下,长期-短期。为了解决这个问题,我们提出了一个遗传算法以及局部搜索启发式。该算法框架能够成功地计算解决方案。实际数据的数值结果证实了本文所提出的方法的实用性。
2015-01-19 cs.NE q-fin.PM
Portfolio Optimization of Indonesian Banking Stocks Using Robust Optimization
Sepuluh Nopember Institute of Technology(十十一月理工学院)
本研究针对印尼银行股,采用移动窗口法和自助法构建不确定性集合的鲁棒优化,发现移动窗口法在较小风险厌恶参数下能提供更优的风险-收益权衡,适合风险承受型投资者。
2025-10-17 math.OC q-fin.PM
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
Entropic Value-at-Risk portfolio optimization for tempered stable Lévy processes
本研究针对 tempered stable 莱维收益开发参数化 EVaR 投资组合优化方法,构建三类投资组合并在 2000-2026 年美国行业 ETF 样本外测试,发现部分熵投资组合夏普比率优于 CVaR 组合及标准基准。
2026-08-19 q-fin.PM q-fin.RM
Practical Portfolio Optimization with Metaheuristics:Pre-assignment Constraint and Margin Trading
本文提出一种融合预分配约束与保证金交易策略的元启发式投资组合优化方法,经算例验证其相比传统基准能带来更优的风险调整后收益,凸显了资产筛选辅助下元启发式算法的应用潜力。
2025-03-20 cs.CE q-fin.PM
Portfolio optimization for heavy-tailed assets: Extreme Risk Index vs. Markowitz
利用2001 - 2011年标准普尔500指数的日收益率,对基于极端风险指数(ERI)的投资组合优化策略进行了回测研究。该方法利用多变量极值理论来最小化大的投资组合损失的概率。有超过400只股票可供选择,我们的研究似乎是极值技术在投资组合管理中的首次大规模应用。我们调查的主要目的是ERI在实践中的潜力。该策略的绩效是以最小方差投资组合和等权重投资组合为基准的。这些基本策略是大规模应用的重要基准。我们的比较包括年化投资组合收益率、最大提取、交易成本、投资组合集中度和投资组合中的资产多样性。除此之外,我们还研究了另一种尾部指数估计量的影响。我们的研究结果表明,ERI策略显着优于最小方差投资组合和同等权重的投资组合的资产与重尾。
2015-05-15 q-fin.PM q-fin.RM
Wasserstein-Kelly Portfolios: A Robust Data-Driven Solution to Optimize Portfolio Growth
我们介绍了一个强大的变体凯利投资组合优化模型,称为沃瑟斯坦-凯利投资组合优化。我们的模型,采取Wasserstein分布鲁棒优化(DRO)制定,解决了凯利投资组合优化的估计误差的基本问题,通过定义一个"球”的分布接近的经验收益率分布使用Wasserstein度量,并寻求一个强大的对数最优投资组合对最坏情况下的分布从Wasserstein球。使用Wasserstein DRO来增强Kelly产品组合是一个自然的步骤,因为后者在机器学习等领域有许多成功的应用,可以生成强大的数据驱动解决方案。然而,天真的应用Wasserstein DRO的增长最优投资组合的问题,可能会导致几个问题,我们通过仔细的建模来解决。我们提出的模型是实际的动机,有效地解决作为一个凸规划。使用经验金融数据,我们的数值研究表明,Wasserstein-Kelly投资组合可以优于凯利投资组合在样本外测试在多个性能指标,并表现出更大的稳定性。
2023-02-27 math.OC q-fin.PM
Multi-Period Portfolio Optimization: Translation of Autocorrelation Risk to Excess Variance
从长远来看,增长最优投资组合保证比任何其他投资策略积累更高的财富。然而,它们在短期内往往有风险。对于序列不相关的市场,最近提出了类似的投资组合,具有更强的担保。本文扩展了这些强大的投资组合,容纳非零自相关,可能会反映投资者对市场走势的信念。此外,我们证明了这种自相关性所带来的风险可以通过修改资产收益的协方差矩阵来吸收。
2016-09-19 math.OC q-fin.PM
LoCoV: low dimension covariance voting algorithm for portfolio optimization
最小方差投资组合优化依赖于精确的协方差估计来获得最优投资组合。然而,当样本大小$n$不显著大于资产数量$p$时,它通常遭受来自样本协方差矩阵的较大误差。我们分析了投资组合优化的随机矩阵方面,并确定了样本最优投资组合权重的误差顺序,并表明使用样本时投资组合风险被低估。我们还提供了LoCoV(低维协方差投票)算法,以减少从随机样本继承的错误。从各种实验中,LoCoV表现出优于经典方法的大幅度。
2022-04-01 math.OC q-fin.PM stat.ML
Enhancing Portfolio Optimization with Deep Learning Insights
Georgia Institute of Technology(佐治亚理工学院)
本文提出利用深度学习和变压器架构改进投资组合优化,通过预训练技术提升模型在波动市场中的适应性和预测准确性。
2026-01-12 cs.LG q-fin.PM
Portfolio Construction with Gaussian Mixture Returns and Exponential Utility via Convex Optimization
考虑了以期望指数效用最大化为目标,假设资产收益服从高斯混合分布的最优投资组合问题。在本文中,我们表明,这个问题是凸的,并很容易解决的凸优化使用特定领域的语言,而不需要采样或方案。然后,我们展示了如何密切相关的问题,最小化风险熵值也可以制定为一个凸优化问题。
2022-08-10 math.OC q-fin.PM
Optimization Method for Interval Portfolio Selection Based on Satisfaction Index of Interval inequality Relation
本文考虑了具有不确定收益的区间投资组合问题,引入了区间不等式满意度指数的概念。基于满意度指标,提出了一种将具有不确定目标和约束的区间规划问题转化为标准的双参数线性规划问题的方法.仿真实验表明,该方法能够帮助投资者根据自己的偏好找到有效的投资组合。
2012-07-09 math.OC q-fin.PM
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
Fractal Optimization of Market Neutral Portfolio
提出了一种多空投资组合优化的分形方法。算法系统的基础上的组成市场中性的价差到一个单一的实体进行了审议。该优化方案的核心是一个分形行走模型的回报,优化风险规避根据投资期限。价差收益的协方差矩阵已被用于优化和修改,根据赫斯特稳定性分析。在五个时间段的观察中,样本外的业绩数据已经代表了交易所交易基金的空间。所考虑的投资组合系统在统计上比被动投资更稳定,在观察期内具有更高的风险调整累积回报。
2016-12-18 nlin.CD q-fin.PM