コンテンツへスキップ
ライブラリの全資料

売買回転コストを考慮したオンラインのポートフォリオ期間選択

記事 arXiv papers · 著者: Yi-Chen Liu et al.
原文を読む

サマリー

本論文は、市場状況が変化し、有用な過去データの参照期間を事前に特定できない場合のポートフォリオ運用を扱います。二段階の手順を提案します。複数の候補期間を使ってポートフォリオを構築し、各期間を専門家とみなしてオンラインでポートフォリオを組み合わせます。集約の重みはポートフォリオの売買回転を含む損失に基づいて更新されるため、頻繁な変更には明示的なコストが伴います。

著者らは、統合ポートフォリオの売買回転を考慮した有限期間の追跡後悔の上界を導きます。静的後悔はその特殊な場合として扱われます。損失とコスト率に上限があるとき、適切に調整したFixed Share法では、切り替え予算が劣線形に増加する場合、追跡後悔が漸近的にゼロになります。一方、Hedgeは静的な場合に対応します。提示された説明が示すのは実証取引の結果ではなく理論的保証であり、ポートフォリオ構築ルール、市場データ、実務上のコスト較正は特定されていません。

主なアイデア

  • 過去データの候補期間を専門家とみなし、各期間で構築したポートフォリオをオンラインで組み合わせます。
  • 売買回転コストを含む損失に応じて集約の重みを更新します。
  • 統合ポートフォリオの売買回転を考慮したうえで、追跡後悔の上界を導きます。
  • 損失とコストに上限があり、切り替え予算が劣線形に増える場合、Fixed Share法が記載の保証を与えます。
  • Hedgeは静的後悔の設定を扱います。

タグ

ポートフォリオ構築注文執行リスク管理統計
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。