सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

दंडित OU लाइकलिहुड से विरल औसत-वापसी पोर्टफोलियो बनाना

लेख arXiv papers · लेखक: Jize Zhang et al.
मूल स्रोत पढ़ें

सारांश

यह पेपर बड़ी परिसंपत्ति-समष्टि से औसत की ओर लौटने वाला पोर्टफोलियो बनाने की अनुकूलन विधि प्रस्तुत करता है। इसका लक्ष्य ऐसे पोर्टफोलियो हैं जिनका स्प्रेड Ornstein–Uhlenbeck प्रक्रिया से अच्छी तरह वर्णित हो; प्रक्रिया के पैरामीटर अधिकतम लाइकलिहुड से अनुमानित किए जाते हैं। चयन के घोषित लक्ष्यों में अधिक मज़बूत औसत-वापसी और कम विचरण के साथ सरलता शामिल है, ताकि बने पोर्टफोलियो में लॉन्ग और शॉर्ट स्थितियों के लिए कम परिसंपत्तियाँ हों।

लेखक अनुकूलन समस्या का सूत्रीकरण करते हैं और आंशिक न्यूनीकरण का उपयोग करने वाला विशिष्ट एल्गोरिदम बताते हैं। वे सिमुलेटेड और अनुभवजन्य मूल्य डेटा पर आधारित संख्यात्मक उदाहरणों से विधि समझाते हैं। सारांश में दंड का रूप, परिसंपत्ति समूह, ट्रेडिंग नियम, लेनदेन लागत या नमूने से बाहर का प्रदर्शन निर्दिष्ट नहीं है। इसलिए उदाहरण अनुमान और चयन के तरीके का प्रदर्शन बताते हैं, लेकिन उपलब्ध विवरण लाइव ट्रेडिंग में उसकी स्थिरता या लाभप्रदता आँकने के लिए पर्याप्त नहीं है।

मुख्य विचार

  • यह विधि ऐसे पोर्टफोलियो चुनती है जिनके Ornstein–Uhlenbeck प्रक्रिया का अनुसरण करने का लक्ष्य है।
  • OU पैरामीटर का अनुमान अधिकतम लाइकलिहुड से लगाया जाता है।
  • पोर्टफोलियो चयन का लक्ष्य उच्च औसत-वापसी और कम विचरण है।
  • सरलता का उद्देश्य लॉन्ग और शॉर्ट स्थितियों के लिए कम परिसंपत्तियों के उपयोग को प्रोत्साहित करता है।
  • एक विशिष्ट एल्गोरिदम आंशिक न्यूनीकरण करता है; उदाहरण सिमुलेटेड और अनुभवजन्य मूल्यों पर दिए गए हैं।

टैग

औसत की ओर वापसीपेयर ट्रेडिंगपोर्टफोलियो निर्माणसांख्यिकी
पूरा पाठ
# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation


# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation









We study an optimization-based approach to con- struct a mean-reverting portfolio of assets. Our objectives are threefold: (1) design a portfolio that is well-represented by an Ornstein-Uhlenbeck process with parameters estimated by maximum likelihood, (2) select portfolios with desirable characteristics of high mean reversion and low variance, and (3) select a parsimonious portfolio, i.e. find a small subset of a larger universe of assets that can be used for long and short positions. We present the full problem formulation, a specialized algorithm that exploits partial minimization, and numerical examples using both simulated and empirical price data.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।