跳至正文
返回文库全部文档

不可观测均值回归趋势下的最优交易

文章 arXiv papers · 作者: Ahmed Bel Hadj Ayed et al.
阅读原文

总结

本文研究资产价格趋势服从不可观测的奥恩斯坦—乌伦贝克过程时的投资组合选择。文章针对两种信息条件推导对数效用交易者的最优策略：一种是趋势已知，另一种是必须根据可用信息推断趋势。比较分析讨论了对趋势了解不完整如何影响投资表现。

对于两种策略，本文给出了对数收益渐近期望和方差，它们是信噪比和趋势均值回归速度的函数。文章还比较了渐近夏普比率，以量化部分信息带来的表现损失。现有描述未列出推导公式或该损失的数值，也没有实证评估，因此结论仅适用于所设定的随机模型。

核心观点

  • 资产价格趋势被建模为不可观测的均值回归过程。
  • 本文比较了完全信息和部分信息条件下的对数效用策略。
  • 收益渐近期望和方差取决于信号质量及趋势的均值回归特征。
  • 研究使用夏普比率衡量部分信息造成的表现损失。
  • 所提供的描述没有数值结果或实证验证。

标签

统计学风险管理仓位规模
全文
# Performance analysis of the optimal strategy under partial information


# Performance analysis of the optimal strategy under partial information









The question addressed in this paper is the performance of the optimal strategy, and the impact of partial information. The setting we consider is that of a stochastic asset price model where the trend follows an unobservable Ornstein-Uhlenbeck process. We focus on the optimal strategy with a logarithmic utility function under full or partial information. For both cases, we provide the asymptotic expectation and variance of the logarithmic return as functions of the signal-to-noise ratio and of the trend mean reversion speed. Finally, we compare the asymptotic Sharpe ratios of these strategies in order to quantify the loss of performance due to partial information.

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。