コンテンツへスキップ
ライブラリの全資料

確率的割引因子ポートフォリオ向けの検索拡張拡散モデル

記事 arXiv papers · 著者: Kelvin J. L. Koa et al.
原文を読む

サマリー

この研究は、確率的割引因子の枠組みにおけるポートフォリオ最適化に用いる市場状態表現を学習する、検索拡張型拡散モデルRADARを提案しています。その背景には、市場のレジームが変化すること、価格やニュースなどの金融入力にノイズが含まれること、従来の拡散モデルが状態ごとの不確実性の変化を反映しない一様なガウスノイズを課す可能性があることがあります。

RADARは類似する過去のレジームを検索して、文脈に応じたノイズ分布を作成し、条件付き拡散によってマルチモーダル表現のノイズを除去します。また、状態依存の不確実性を表すため、実証統計量から拡散を初期化します。著者らは、リスク調整後指標の改善と、リターンや相関に関する経済的に意味のあるシグナルを報告しています。抜粋にはデータセット、ベースライン、評価期間、具体的な指標が示されていないため、結果の強さや他への適用可能性をこの説明だけから独立に評価することはできません。

主なアイデア

  • RADARは、確率的割引因子に基づくポートフォリオ最適化向けの市場表現を学習します。
  • 類似する過去のレジームの検索によって、文脈依存のノイズ分布を設定します。
  • 条件付き拡散を用いて、マルチモーダルな市場表現のノイズを除去します。
  • 実証統計量から拡散を初期化し、状態依存の不確実性を反映します。
  • リスク調整後指標の改善が報告されていますが、抜粋には評価の詳細がありません。

タグ

機械学習ポートフォリオ構築統計リスク管理マルチアセット
全文
# Retrieval-Augmented Diffusion Modeling for Stochastic Discount Factor Portfolios


# Retrieval-Augmented Diffusion Modeling for Stochastic Discount Factor Portfolios









In this work, we study portfolio optimization under the stochastic discount factor (SDF) framework by learning market state representations that capture the underlying risk structures of financial data. This is challenging due to several factors: financial markets exhibit non-stationary dynamics with shifting regimes, multimodal inputs such as price and news data often contain stochastic noise, and existing diffusion-based approaches, while effective for modeling stochastic dynamics, rely on assumptions such as isotropic Gaussian noise that fail to capture the state-dependent nature of financial uncertainty. To address these challenges, we introduce RADAR, a retrieval-augmented diffusion framework that learns market representations by conditioning on similar historical regimes. RADAR leverages retrieval to construct context-dependent noise distributions, applies conditional diffusion to denoise multimodal representations, and initializes the diffusion process using empirical statistics to reflect state-dependent uncertainty. Experiments show that RADAR achieves state-of-the-art performance on key risk-adjusted metrics while producing economically meaningful signals on asset returns and correlations.

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。