跳至正文
返回文库全部文档

考虑换手成本的在线组合窗口选择

文章 arXiv papers · 作者: Yi-Chen Liu et al.
阅读原文

总结

本文讨论市场状况变化、且事先不知道有用历史回看窗口时的组合管理问题。研究提出一个两层流程：先用多个候选窗口长度构建组合，再将每种窗口选择视为一位专家，在线组合这些投资组合。聚合权重根据包含组合换手率的损失进行更新，因此频繁调整会产生明确成本。

作者推导了考虑组合换手率的有限时域跟踪遗憾界；静态遗憾是其特例。在损失和成本率有界时，当切换预算以次线性速度增长，经过适当调参的Fixed Share方法渐近地实现零跟踪遗憾，而Hedge适用于静态情形。所提供的描述给出的是理论保证，而非实证交易结果；其中没有说明组合构建规则、市场数据或实际成本校准方法。

核心观点

  • 将候选历史窗口长度视为专家，并在线组合其投资组合。
  • 聚合权重会根据包含换手成本的损失进行调整。
  • 分析在考虑聚合组合换手率的同时，对跟踪遗憾进行界定。
  • 在损失和成本有界时，Fixed Share对次线性切换预算提供所述保证。
  • Hedge适用于静态遗憾情形。

标签

投资组合构建交易执行风险管理统计学
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。