برآورد پنجره‌لغزان برای سبدهای بهینه لگاریتمیِ متغیر با زمان
خلاصه
این سند روشی داده‌محور با پنجره لغزان را برای حل مسئله سبد بهینه لگاریتمی شرح می‌دهد. این رویکرد به‌جای تخصیص یک مجموعه ثابت از وزن‌های سبد، وزن‌هایی تولید می‌کند که در طول زمان تغییر می‌کنند. این کار راهی برای تطبیق تخصیص‌های سبد با استفاده از پنجره متحرک داده فراهم می‌کند، هرچند سند طول پنجره، روش برآورد یا بسامد به‌روزرسانی وزن‌ها را توضیح نمی‌دهد.
نویسندگان از مطالعات تجربی گزارش می‌کنند که رویکرد پیشنهادی نرخ بازده تجمعی بالاتری از سبد بهینه لگاریتمی کلاسیک دارد. شواهد به‌صورت کلی بیان شده‌اند: بازارها، دوره‌های نمونه، نتایج عددی یا مقایسه‌های تعدیل‌شده بر اساس ریسک ارائه نمی‌شود. در نتیجه، برتری گزارش‌شده در بازده به‌تنهایی روشن نمی‌کند که روش پس از هزینه‌های معاملاتی یا در شرایط مختلف چگونه عمل می‌کند. سند همچنین محدودیت‌ها یا جزئیات عملی دیگری را که برای بازتولید استراتژی لازم‌اند مشخص نمی‌کند.
ایده‌های کلیدی
- این رویکرد برای حل مسئله سبد بهینه لگاریتمی از پنجره لغزان استفاده می‌کند.
- به‌جای تخصیص‌های ثابت سبد، وزن‌هایی متغیر در زمان تولید می‌کند.
- مطالعات تجربی بازده تجمعی بالاتر از سبد بهینه لگاریتمی کلاسیک را گزارش می‌کنند.
- سند بازارهای آزموده‌شده، دوره‌های نمونه یا نتایج عددی را بیان نمی‌کند.
- جزئیاتی درباره هزینه‌های معاملاتی، محدودیت‌های سبد یا اجرا ارائه نمی‌شود.
برچسب‌ها
متن کامل
# 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.
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.