Optimización de carteras con momentum y reversión a la media latentes

Resumen

El artículo estudia la elección de cartera cuando la deriva de un activo arriesgado no se observa directamente y depende de dos factores estocásticos ocultos que evolucionan a distintas velocidades. Deriva una estimación filtrada del nivel latente de reversión a la media a partir de la diferencia entre procesos de medias móviles exponenciales rápidas y lentas aplicados a precios pasados, junto con una corrección determinista de Volterra. El estimador resultante tiene una forma similar a MACD y conecta una señal técnica conocida con la inferencia sobre una deriva oculta.

Para las utilidades logarítmica, potencial y exponencial, los autores derivan estrategias óptimas candidatas en forma explícita de retroalimentación e informan de resultados de admisibilidad y verificación. Son resultados matemáticos para un modelo de información parcial; la descripción no ofrece pruebas empíricas, evidencia específica de activos ni comparaciones del rendimiento realizado de las carteras. La conexión propuesta explica cómo pueden surgir señales del tipo MACD en un marco de optimización, pero por sí sola no demuestra que la señal sea rentable en la práctica.

Ideas clave

• El modelo supone que la deriva del activo arriesgado depende de dos factores latentes con escalas temporales distintas.
• Una estimación filtrada de la reversión a la media latente combina medias rápidas y lentas de precios con una corrección de Volterra.
• La estimación tiene una estructura similar a MACD y se interpreta como información sobre una deriva oculta.
• Se derivan estrategias candidatas de retroalimentación para tres familias de utilidad, con resultados matemáticos de admisibilidad y verificación.

Etiquetas

# Portfolio Optimization under Fast and Slow Latent Mean-Reverting and Momentum Drift


# Portfolio Optimization under Fast and Slow Latent Mean-Reverting and Momentum Drift









We consider a class of partial-information portfolio optimization problems in which the drift of a risky asset is driven by two latent stochastic factors evolving at distinct time scales. We show that the filtered estimate of the latent mean-reversion level is driven by the difference between fast and slow exponential moving average (EMA)-type processes of the trailing price history, yielding a Moving Average Convergence Divergence (MACD)-type signal, along with a deterministic Volterra correction. Under logarithmic, power, and exponential utility, we derive candidate optimal strategies in explicit feedback form and establish admissibility and verification results. In particular, the results provide a mathematical foundation for the endogenous emergence of MACD-type trading signals as estimators of latent drift information contained in observed price paths.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.