टर्नओवर लागत के साथ ऑनलाइन पोर्टफ़ोलियो विंडो चयन

सारांश

यह शोधपत्र बाज़ार स्थितियाँ बदलने पर पोर्टफ़ोलियो प्रबंधन की समस्या देखता है, जब अतीत की उपयोगी लुकबैक अवधि पहले से ज्ञात नहीं होती। यह दो-स्तरीय प्रक्रिया प्रस्तावित करता है: कई संभावित विंडो आकारों से पोर्टफ़ोलियो बनाना, फिर हर विंडो विकल्प को विशेषज्ञ मानकर उन पोर्टफ़ोलियो को ऑनलाइन मिलाना। संयोजन के वज़न ऐसे नुकसान के आधार पर बदले जाते हैं जिनमें पोर्टफ़ोलियो टर्नओवर शामिल होता है, इसलिए बार-बार बदलाव की स्पष्ट लागत होती है।

लेखक संयुक्त पोर्टफ़ोलियो के टर्नओवर को ध्यान में रखते हुए सीमित-अवधि ट्रैकिंग-रेग्रेट की सीमाएँ निकालते हैं; स्थिर रेग्रेट को विशेष स्थिति के रूप में शामिल किया गया है। सीमित नुकसान और लागत दरों के तहत, उचित रूप से समायोजित Fixed Share विधि तब एसिम्प्टोटिक रूप से शून्य ट्रैकिंग रेग्रेट हासिल करती है जब स्विचिंग बजट उपरेखीय गति से बढ़ता है, जबकि Hedge स्थिर स्थिति को संबोधित करता है। दिया गया विवरण अनुभवजन्य ट्रेडिंग परिणामों के बजाय सैद्धांतिक गारंटी देता है, और पोर्टफ़ोलियो निर्माण नियम, बाज़ार डेटा या व्यावहारिक लागत अंशांकन निर्दिष्ट नहीं करता।

मुख्य विचार

• अतीत की संभावित विंडो अवधियों को विशेषज्ञ मानकर उनके पोर्टफ़ोलियो ऑनलाइन मिलाए जाते हैं।
• संयोजन वज़न उन नुकसानों के अनुसार बदलते हैं जिनमें टर्नओवर लागत शामिल है।
• विश्लेषण संयुक्त पोर्टफ़ोलियो के टर्नओवर को ध्यान में रखते हुए ट्रैकिंग रेग्रेट की सीमा तय करता है।
• सीमित नुकसान और लागत के तहत, उपरेखीय स्विचिंग बजट के लिए Fixed Share बताई गई गारंटी देता है।
• Hedge स्थिर-रेग्रेट स्थिति को कवर करता है।

टैग

# Cost-Sensitive Online Window Size Selection for Portfolio Management


# Cost-Sensitive Online Window Size Selection for Portfolio Management









This paper investigates cost-sensitive online window size selection for portfolio management under changing market conditions. Specifically, we propose a two-level framework that constructs portfolios using candidate window sizes and dynamically aggregates them through online learning. By treating candidate window sizes as ``experts,'' we dynamically update their aggregation weights using turnover-inclusive losses. Moreover, we derive finite-horizon cost-sensitive tracking-regret bounds that account for turnover of the aggregated portfolio, with static regret as a special case. Under bounded losses and cost rates, suitably tuned Fixed Share achieves asymptotically no tracking regret for sublinear switching budgets, with Hedge covering the static case.

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।