تقدير المحافظ المثلى لوغاريتميًا والمتغيرة زمنيًا عبر نافذة متحركة

الملخص

تصف الوثيقة طريقة تعتمد على البيانات ونافذة متحركة لحل مسألة المحفظة المثلى لوغاريتميًا. وبدلًا من تحديد مجموعة واحدة ثابتة من أوزان المحفظة، تنتج الطريقة أوزانًا تتغير بمرور الوقت. ويتيح ذلك تكييف تخصيصات المحفظة باستخدام نافذة متحركة من البيانات، وإن كانت الوثيقة لا تشرح طول النافذة أو إجراء التقدير أو معدل تحديث الأوزان.

يفيد المؤلفون بأن دراسات تجريبية حققت فيها الطريقة المقترحة معدل عائد تراكميًا أعلى من المحفظة الكلاسيكية المثلى لوغاريتميًا. وتُعرض الأدلة بصيغة عامة؛ فلا تُذكر أسواق أو فترات عينات أو نتائج رقمية أو مقارنات معدّلة حسب المخاطر. لذلك، لا تكفي ميزة العائد المذكورة وحدها لإثبات أداء الطريقة بعد تكاليف المعاملات أو عبر ظروف مختلفة. كما لا تحدد الوثيقة القيود أو التفاصيل العملية الأخرى اللازمة لإعادة إنتاج الاستراتيجية.

الأفكار الرئيسية

• يستخدم النهج نافذة متحركة لحل مسألة المحفظة المثلى لوغاريتميًا.
• ينتج أوزانًا متغيرة بمرور الوقت بدلًا من تخصيصات ثابتة للمحفظة.
• تذكر الدراسات التجريبية عوائد تراكمية أعلى من المحفظة الكلاسيكية المثلى لوغاريتميًا.
• لا تحدد الوثيقة الأسواق المختبرة أو فترات العينات أو النتائج الرقمية.
• لا تقدم تفاصيل عن تكاليف المعاملات أو قيود المحفظة أو التنفيذ.

الوسوم

# On Data-Driven Log-Optimal Portfolio: A Sliding Window Approach


# On Data-Driven Log-Optimal Portfolio: A Sliding Window Approach









In this paper, we propose a data-driven sliding window approach to solve a log-optimal portfolio problem. In contrast to many of the existing papers, this approach leads to a trading strategy with time-varying portfolio weights rather than fixed constant weights. We show, by conducting various empirical studies, that the approach possesses a superior trading performance to the classical log-optimal portfolio in the sense of having a higher cumulative rate of returns.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.