پینلائزڈ OU لائیکلی ہڈ کے ذریعے sparse mean-reverting پورٹ فولیوز بنانا

مضمون arXiv papers · مصنف: Jize Zhang et al.

خلاصہ

یہ مقالہ زیادہ اثاثوں کے مجموعے سے اوسط کی طرف رجوع کرنے والا پورٹ فولیو بنانے کا ایک اصلاحی طریقہ پیش کرتا ہے۔ اس کا مقصد ایسے پورٹ فولیو ہیں جن کا اسپریڈ اورنشتائن-اولنبیک عمل سے اچھی طرح بیان ہو، اور عمل کے پیرامیٹرز زیادہ سے زیادہ لائیکلی ہڈ تخمینے سے حاصل کیے جائیں۔ انتخاب کے بیان کردہ مقاصد میں اوسط کی طرف زیادہ مضبوط رجوع اور کم تغیر کو کفایت شعاری کے ساتھ ملایا گیا ہے، تاکہ نتیجے کے پورٹ فولیو میں لانگ اور شارٹ پوزیشنز کے لیے اثاثوں کا نسبتاً چھوٹا ذیلی مجموعہ استعمال ہو۔

مصنفین اصلاحی مسئلے کی تشکیل کرتے اور جزوی کم سے کم کرنے والا ایک مخصوص الگورتھم بیان کرتے ہیں۔ وہ نقلی اور تجرباتی قیمت کے ڈیٹا پر مبنی عددی مثالوں سے طریقہ واضح کرتے ہیں۔ خلاصے میں پینلٹی کی شکل، اثاثوں کے مجموعے، ٹریڈنگ قواعد، لین دین کے اخراجات یا آؤٹ آف سیمپل کارکردگی کی وضاحت نہیں۔ لہٰذا مثالیں تخمینے اور انتخاب کے طریقے کے مظاہرے کی نشاندہی کرتی ہیں، مگر دستیاب تفصیل لائیو ٹریڈنگ میں استحکام یا منافع بخشی جانچنے کے لیے ناکافی ہے۔

اہم خیالات

یہ طریقہ ایسے پورٹ فولیوز منتخب کرتا ہے جن کا اسپریڈ اورنشتائن-اولنبیک عمل کے مطابق ماڈل کیا جا سکے۔
OU پیرامیٹرز کا تخمینہ زیادہ سے زیادہ لائیکلی ہڈ طریقے سے لگایا جاتا ہے۔
پورٹ فولیو کے انتخاب کا ہدف اوسط کی طرف مضبوط رجوع اور کم تغیر ہے۔
سادگی کا مقصد لانگ اور شارٹ پوزیشنز کے لیے کم اثاثے استعمال کرنے کی حوصلہ افزائی کرتا ہے۔
ایک مخصوص الگورتھم جزوی کم سے کم کرنے کا طریقہ اپناتا ہے، اور مثالوں میں نقلی و تجرباتی قیمتیں شامل ہیں۔

ٹیگز

اوسط کی جانب واپسی جوڑیوں کی ٹریڈنگ پورٹ فولیو کی تشکیل شماریات

مکمل متن

# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation


# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation









We study an optimization-based approach to con- struct a mean-reverting portfolio of assets. Our objectives are threefold: (1) design a portfolio that is well-represented by an Ornstein-Uhlenbeck process with parameters estimated by maximum likelihood, (2) select portfolios with desirable characteristics of high mean reversion and low variance, and (3) select a parsimonious portfolio, i.e. find a small subset of a larger universe of assets that can be used for long and short positions. We present the full problem formulation, a specialized algorithm that exploits partial minimization, and numerical examples using both simulated and empirical price data.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔