Tối ưu hóa danh mục với độ trôi hồi quy và động lượng tiềm ẩn

Tóm tắt

Bài nghiên cứu xem xét lựa chọn danh mục khi độ trôi của tài sản rủi ro không được quan sát trực tiếp và phụ thuộc vào hai yếu tố ngẫu nhiên ẩn biến đổi ở các tốc độ khác nhau. Nghiên cứu suy ra ước lượng đã lọc của mức hồi quy trung bình tiềm ẩn từ chênh lệch giữa các quá trình đường trung bình động hàm mũ nhanh và chậm áp dụng cho giá quá khứ, cùng với hiệu chỉnh Volterra xác định. Ước lượng thu được có dạng giống MACD, kết nối một tín hiệu kỹ thuật quen thuộc với việc suy luận về độ trôi ẩn.

Với tiện ích log, lũy thừa và hàm mũ, các tác giả suy ra các chiến lược tối ưu ứng viên dưới dạng phản hồi tường minh, đồng thời báo cáo kết quả về tính chấp nhận được và kiểm chứng. Đây là các kết quả toán học cho mô hình thông tin không đầy đủ; mô tả không có kiểm định thực nghiệm, bằng chứng cho tài sản cụ thể hay so sánh hiệu suất danh mục thực tế. Mối liên hệ được đề xuất giải thích cách tín hiệu dạng MACD có thể xuất hiện trong khuôn khổ tối ưu hóa, nhưng tự nó không chứng minh tín hiệu đó sinh lời trong thực tế.

Ý chính

• Mô hình giả định độ trôi của tài sản rủi ro phụ thuộc vào hai yếu tố tiềm ẩn có thang thời gian khác nhau.
• Ước lượng đã lọc về hồi quy trung bình tiềm ẩn kết hợp các mức giá trung bình nhanh và chậm với hiệu chỉnh Volterra.
• Ước lượng có cấu trúc giống MACD và được diễn giải là thông tin về độ trôi ẩn.
• Các chiến lược phản hồi ứng viên được suy ra cho ba họ hàm tiện ích, cùng kết quả toán học về tính chấp nhận được và kiểm chứng.

Thẻ

# Portfolio Optimization under Fast and Slow Latent Mean-Reverting and Momentum Drift


# Portfolio Optimization under Fast and Slow Latent Mean-Reverting and Momentum Drift









We consider a class of partial-information portfolio optimization problems in which the drift of a risky asset is driven by two latent stochastic factors evolving at distinct time scales. We show that the filtered estimate of the latent mean-reversion level is driven by the difference between fast and slow exponential moving average (EMA)-type processes of the trailing price history, yielding a Moving Average Convergence Divergence (MACD)-type signal, along with a deterministic Volterra correction. Under logarithmic, power, and exponential utility, we derive candidate optimal strategies in explicit feedback form and establish admissibility and verification results. In particular, the results provide a mathematical foundation for the endogenous emergence of MACD-type trading signals as estimators of latent drift information contained in observed price paths.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.