समय के साथ बदलते लॉग-ऑप्टिमल पोर्टफ़ोलियो का अनुमान

सारांश

यह दस्तावेज़ लॉग-ऑप्टिमल पोर्टफ़ोलियो समस्या हल करने के लिए डेटा-आधारित स्लाइडिंग-विंडो विधि का वर्णन करता है। पोर्टफ़ोलियो वज़न का एक निश्चित समूह देने के बजाय, यह तरीका समय के साथ बदलते वज़न देता है। इससे डेटा की चलती विंडो का उपयोग करके पोर्टफ़ोलियो आवंटन को अनुकूलित किया जा सकता है, हालाँकि दस्तावेज़ विंडो की अवधि, अनुमान प्रक्रिया या वज़न कितनी बार अद्यतन किए जाते हैं, यह नहीं बताता।

लेखक अनुभवजन्य अध्ययनों की रिपोर्ट करते हैं जिनमें प्रस्तावित तरीका पारंपरिक लॉग-ऑप्टिमल पोर्टफ़ोलियो से अधिक संचयी रिटर्न प्राप्त करता है। साक्ष्य व्यापक रूप में बताया गया है: बाज़ार, नमूना अवधि, संख्यात्मक नतीजे या जोखिम-समायोजित तुलनाएँ नहीं दी गई हैं। इसलिए केवल बताया गया रिटर्न लाभ यह स्थापित नहीं करता कि लेनदेन लागत के बाद या अलग-अलग परिस्थितियों में यह तरीका कैसा प्रदर्शन करता है। दस्तावेज़ रणनीति को दोहराने के लिए आवश्यक सीमाएँ या अन्य व्यावहारिक विवरण भी नहीं बताता।

मुख्य विचार

• यह तरीका लॉग-ऑप्टिमल पोर्टफ़ोलियो समस्या हल करने के लिए स्लाइडिंग विंडो का उपयोग करता है।
• यह निश्चित पोर्टफ़ोलियो आवंटन के बजाय समय के साथ बदलते वज़न देता है।
• अनुभवजन्य अध्ययनों में पारंपरिक लॉग-ऑप्टिमल पोर्टफ़ोलियो से अधिक संचयी रिटर्न बताया गया है।
• दस्तावेज़ परीक्षण किए गए बाज़ार, नमूना अवधि या संख्यात्मक नतीजे नहीं बताता।
• इसमें लेनदेन लागत, पोर्टफ़ोलियो सीमाओं या कार्यान्वयन का विवरण नहीं है।

टैग

# 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.

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।