بهینه‌سازی مونت‌کارلو برای اجرای سبد چنددارایی
خلاصه
این سند اجرای سفارش‌های بزرگ را موازنه‌ای میان هزینه‌های نقدشوندگی و ریسک قیمت می‌داند. معامله سریع می‌تواند در شرایط نقدشوندگی محدود اثر بازار را افزایش دهد، در حالی که معامله آهسته سفارش را در طول افق اجرا در معرض حرکت نامطلوب قیمت می‌گذارد. سند رویکرد میانگین–واریانس را برای این مسئله شرح می‌دهد و اشاره می‌کند که مدل پیشینِ تک‌دارایی با نقدشوندگی و نوسان تصادفی به معادله دیفرانسیل جزئی غیرخطی می‌انجامد که باید به‌صورت عددی حل شود.
گزینه پیشنهادی از روش‌های شبه‌مونت‌کارلو برای بهینه‌سازی اجرا در هر تعداد دارایی استفاده می‌کند. نویسندگان همچنین آن را مناسب استفاده بلادرنگ توصیف می‌کنند و می‌گویند پارامترهای فرایند تصادفی هنگام اجرا قابل‌تنظیم‌اند. خلاصه ارائه‌شده رویکرد و انعطاف‌پذیری ادعاشده آن را بیان می‌کند، اما هیچ نتیجه عددی، جزئیات اعتبارسنجی یا مشخصات پیاده‌سازی ندارد؛ بنابراین عملکرد مقایسه‌ای و محدودیت‌های عملی آن را نمی‌توان فقط بر پایه این متن ارزیابی کرد.
ایده‌های کلیدی
- سفارش‌های بزرگ میان اثر بازار و مواجهه با حرکت قیمت موازنه ایجاد می‌کنند.
- هدف توصیف‌شده هزینه‌های نقدشوندگی را در چارچوب میانگین–واریانس در برابر ریسک قیمت متوازن می‌کند.
- مدل تصادفی تک‌داراییِ پیشین به حل عددی معادله دیفرانسیل جزئی غیرخطی نیاز دارد.
- هدف روش شبه‌مونت‌کارلو پیشنهادی، پشتیبانی از اجرا در چند دارایی و تغییر پارامترها به‌صورت بلادرنگ است.
برچسب‌ها
متن کامل
# A Monte Carlo method for optimal portfolio executions # A Monte Carlo method for optimal portfolio executions Traders are often faced with large block orders in markets with limited liquidity and varying volatility. Executing the entire order at once usually incurs a large trading cost because of this limited liquidity. In order to minimize this cost traders split up large orders over time. Varying volatility however implies that they now take on price risk, as the underlying assets' prices can move against the traders over the execution period. This execution problem therefore requires a careful balancing between trading slow to reduce liquidity cost and trading fast to reduce the volatility cost. R. Almgren solved this problem for a market with one asset and stochastic liquidity and volatility parameters, using a mean-variance framework. This leads to a nonlinear PDE that needs to be solved numerically. We propose a different approach using (quasi-)Monte Carlo which can handle any number of assets. Furthermore, our method can be run in real-time and allows the trader to change the parameters of the underlying stochastic processes on-the-fly.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.