آن لائن پورٹ فولیو میں تاریخی مدت کا انتخاب

خلاصہ

یہ مقالہ بدلتے ہوئے مارکیٹ حالات میں پورٹ فولیو مینجمنٹ کا جائزہ لیتا ہے، جب یہ پہلے سے معلوم نہ ہو کہ تاریخ کا کون سا جائزہ وقفہ موزوں ہے۔ یہ دو سطحی عمل تجویز کرتا ہے: مختلف ممکنہ وقفوں کے لیے پورٹ فولیو بنائیں، پھر ہر وقفے کے انتخاب کو ایک ماہر سمجھتے ہوئے ان پورٹ فولیوز کو آن لائن یکجا کریں۔ مجموعی وزن ایسے نقصانات کی بنیاد پر اپ ڈیٹ ہوتے ہیں جن میں پورٹ فولیو ٹرن اوور بھی شامل ہے، اس لیے بار بار تبدیلیوں کی واضح لاگت ہوتی ہے۔

مصنفین محدود مدت کے ٹریکنگ ریگریٹ کی حدود اخذ کرتے ہیں جو مشترکہ پورٹ فولیو کے ٹرن اوور کو شامل کرتی ہیں؛ جامد ریگریٹ اس کا خاص معاملہ ہے۔ محدود نقصانات اور لاگت کی شرح کے تحت، مناسب طور پر ترتیب دیا گیا فکسڈ شیئر طریقہ اس وقت مجانبی طور پر کوئی ٹریکنگ ریگریٹ نہیں دیتا جب سوئچنگ بجٹ خطی سے کم رفتار سے بڑھے، جبکہ ہیج جامد صورت کو سنبھالتا ہے۔ فراہم کردہ بیان تجرباتی ٹریڈنگ نتائج کے بجائے نظری ضمانتیں دیتا ہے، اور پورٹ فولیو بنانے کا اصول، مارکیٹ ڈیٹا یا عملی لاگت کی پیمائش متعین نہیں کرتا۔

اہم خیالات

• مختلف ممکنہ تاریخی وقفوں کو ماہرین سمجھا جاتا ہے اور ان کے پورٹ فولیوز آن لائن یکجا کیے جاتے ہیں۔
• مجموعی وزن ایسے نقصانات کے مطابق بدلتے ہیں جن میں ٹرن اوور کی لاگت شامل ہے۔
• تجزیہ مشترکہ پورٹ فولیو کے ٹرن اوور کو شامل کرتے ہوئے ٹریکنگ ریگریٹ کی حد مقرر کرتا ہے۔
• محدود نقصانات اور لاگتوں کے تحت فکسڈ شیئر خطی سے کم رفتار سے بڑھتے سوئچنگ بجٹ کے لیے بیان کردہ ضمانت دیتا ہے۔
• ہیج جامد ریگریٹ کی صورت کا احاطہ کرتا ہے۔

ٹیگز

# 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.

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۔