본문으로 건너뛰기
라이브러리 문서 전체

확률적 할인요인 포트폴리오를 위한 검색 증강 확산

기사 arXiv papers · 저자: Kelvin J. L. Koa et al.
원문 읽기

요약

이 연구는 확률적 할인요인 틀에서 포트폴리오 최적화에 사용하는 시장 상태 표현을 학습하기 위한 검색 증강 확산 틀인 RADAR을 제안합니다. 시장은 국면 간에 전환하고 가격과 뉴스 같은 금융 입력값에는 잡음이 있으며, 기존 확산 모형은 상태별 불확실성 변화를 반영하지 않는 균일한 가우스 잡음을 적용할 수 있다는 점에서 출발합니다.

RADAR은 비슷한 과거 국면을 검색해 맥락에 따라 다른 잡음 분포를 만들고, 조건부 확산으로 여러 유형의 정보를 담은 표현의 잡음을 제거합니다. 상태별 불확실성을 나타내기 위해 확산 과정의 초기값도 경험적 통계로 설정합니다. 저자들은 위험 조정 지표가 개선되고 수익률과 상관관계에 경제적으로 의미 있는 신호가 나타났다고 보고합니다. 발췌문에는 데이터셋, 기준 모형, 평가 기간 또는 구체적인 지표가 명시되어 있지 않아 결과의 강도와 확장성을 독립적으로 평가할 수 없습니다.

핵심 아이디어

  • RADAR은 확률적 할인요인 기반 포트폴리오 최적화를 위한 시장 표현을 학습합니다.
  • 비슷한 과거 국면을 검색해 맥락별 잡음 분포를 정합니다.
  • 조건부 확산을 사용해 멀티모달 시장 표현의 잡음을 제거합니다.
  • 상태별 불확실성을 반영하기 위해 경험적 통계로 확산 과정을 초기화합니다.
  • 위험 조정 지표 개선 결과를 보고하지만 발췌문에는 평가 세부 정보가 없습니다.

태그

머신러닝포트폴리오 구성통계리스크 관리멀티에셋
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.