시간 변동 로그 최적 포트폴리오를 위한 슬라이딩 윈도 추정

요약

이 문서는 로그 최적 포트폴리오 문제를 푸는 데이터 기반 슬라이딩 윈도 방법을 설명합니다. 포트폴리오 비중을 하나로 고정하는 대신 시간에 따라 변하는 비중을 산출합니다. 데이터를 이동 구간으로 활용해 포트폴리오 배분을 조정할 수 있지만, 문서에는 구간 길이나 추정 절차, 비중 업데이트 주기가 설명되어 있지 않습니다.

저자들은 제안된 접근법이 고전적인 로그 최적 포트폴리오보다 누적 수익률이 높았다는 실증 연구 결과를 보고합니다. 근거는 개괄적으로 제시되어 있으며, 시장이나 표본 기간, 수치 결과, 위험 조정 비교는 제공되지 않습니다. 따라서 보고된 수익률 우위만으로는 거래 비용을 고려했을 때나 서로 다른 환경에서의 성과를 알 수 없습니다. 문서는 전략 재현에 필요한 제약 조건이나 그 밖의 실무 세부 정보도 명시하지 않습니다.

핵심 아이디어

• 슬라이딩 윈도를 사용해 로그 최적 포트폴리오 문제를 풉니다.
• 고정 포트폴리오 배분 대신 시간에 따라 변하는 비중을 산출합니다.
• 실증 연구는 고전적인 로그 최적 포트폴리오보다 높은 누적 수익률을 보고합니다.
• 문서에는 테스트한 시장과 표본 기간, 수치 결과가 명시되어 있지 않습니다.
• 거래 비용, 포트폴리오 제약, 구현에 관한 세부 정보는 제공하지 않습니다.

태그

# 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.

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

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