بهینه‌سازی سبد با روند بازگشت به میانگین و مومنتومِ پنهان
خلاصه
مقاله انتخاب سبد را در شرایطی بررسی می‌کند که روند بازده دارایی پرریسک مستقیماً مشاهده نمی‌شود و به دو عامل تصادفی پنهان با سرعت‌های تحول متفاوت وابسته است. از تفاوت میان فرایندهای میانگین متحرک نمایی سریع و کند که بر قیمت‌های گذشته اعمال می‌شوند، همراه با یک تصحیح قطعی ولترا، برآوردی فیلترشده از سطح پنهان بازگشت به میانگین استخراج می‌کند. برآوردگر حاصل شکلی شبیه MACD دارد و سیگنال فنی آشنایی را به استنباط دربارهٔ روند بازده پنهان پیوند می‌دهد.
نویسندگان برای مطلوبیت لگاریتمی، توانی و نمایی، استراتژی‌های بهینهٔ نامزد را به شکل بازخورد صریح استخراج می‌کنند و نتایج پذیرش‌پذیری و راستی‌آزمایی را گزارش می‌دهند. این‌ها نتایج ریاضی برای مدلی با اطلاعات جزئی‌اند؛ توضیحات، آزمون تجربی، شواهد ویژهٔ دارایی یا مقایسهٔ عملکرد تحقق‌یافتهٔ سبد را ارائه نمی‌کند. این پیوند پیشنهادی توضیح می‌دهد که سیگنال‌های گونهٔ MACD چگونه می‌توانند در چارچوب بهینه‌سازی پدید آیند، اما به‌تنهایی سودآوری عملی سیگنال را ثابت نمی‌کند.
ایده‌های کلیدی
- مدل فرض می‌کند روند بازده دارایی پرریسک به دو عامل پنهان با مقیاس‌های زمانی متفاوت وابسته است.
- برآورد فیلترشدهٔ بازگشت به میانگین پنهان، میانگین‌های سریع و کند قیمت را با تصحیح ولترا ترکیب می‌کند.
- برآورد ساختاری شبیه MACD دارد و به‌عنوان اطلاعاتی دربارهٔ روند بازده پنهان تفسیر می‌شود.
- استراتژی‌های بازخوردی نامزد برای سه خانوادهٔ مطلوبیت استخراج می‌شوند و نتایج ریاضیِ پذیرش‌پذیری و راستی‌آزمایی ارائه می‌شود.
برچسب‌ها
متن کامل
# 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.
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.