論文の概要: Sharpe Ratio Analysis in High Dimensions: Residual-Based Nodewise
Regression in Factor Models
- arxiv url: http://arxiv.org/abs/2002.01800v5
- Date: Thu, 3 Feb 2022 14:31:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 22:06:21.718260
- Title: Sharpe Ratio Analysis in High Dimensions: Residual-Based Nodewise
Regression in Factor Models
- Title（参考訳）: 高次元のシャープ比分析:因子モデルにおける残差に基づくノードの回帰
- Authors: Mehmet Caner, Marcelo Medeiros, and Gabriel Vasconcelos
- Abstract要約: 本結果は,ポートフォリオに多数の資産が存在する場合のシャープ比推定器の整合性の解析に応用する。
ノードワイド回帰は、慣用的誤差の未知の性質のため実現不可能であるため、実行可能残差に基づくノードワイド回帰を提供する。
精度行列は, 因子数の増加やp>nが増加しても連続的に推定可能であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We provide a new theory for nodewise regression when the residuals from a
fitted factor model are used. We apply our results to the analysis of the
consistency of Sharpe ratio estimators when there are many assets in a
portfolio. We allow for an increasing number of assets as well as time
observations of the portfolio. Since the nodewise regression is not feasible
due to the unknown nature of idiosyncratic errors, we provide a
feasible-residual-based nodewise regression to estimate the precision matrix of
errors which is consistent even when number of assets, p, exceeds the time span
of the portfolio, n. In another new development, we also show that the
precision matrix of returns can be estimated consistently, even with an
increasing number of factors and p>n. We show that: (1) with p>n, the Sharpe
ratio estimators are consistent in global minimum-variance and mean-variance
portfolios; and (2) with p>n, the maximum Sharpe ratio estimator is consistent
when the portfolio weights sum to one; and (3) with p<<n, the
maximum-out-of-sample Sharpe ratio estimator is consistent.
- Abstract（参考訳）: 適応因子モデルからの残差を用いた場合のノード分割回帰の新しい理論を提案する。
我々は,ポートフォリオに多数の資産が存在する場合,シャープ比推定器の一貫性の分析に本結果を適用する。
ポートフォリオの時間的観察だけでなく,資産の増加も許容しています。
ノード毎の回帰は、特殊同期誤差の未知の性質のため実現不可能であるため、資産数 p がポートフォリオのタイムスパン n を超過しても一貫性のある誤差の精度行列を推定するために、実行可能レシデントに基づくノード毎回帰を提供する。
また,新たな展開として,因子数の増加やp>nの増加においても,戻り値の精度行列を一貫して推定できることを示した。
p>n では、シャープ比推定器は、大域的な最小分散と平均分散のポートフォリオにおいて一貫した値であり、(2)p>n では、ポートフォリオ重量が 1 に等しいときに最大シャープ比推定器が一貫した値であり、(3) p<n では、サンプル外シャープ比推定器が一貫した値であることを示す。
関連論文リスト
- Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。
さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。
我々は多種多様な高次元データにまたがって理論を検証する。
論文 参考訳（メタデータ） (2024-08-08T17:27:29Z) - A Statistical Theory of Regularization-Based Continual Learning [10.899175512941053]
線形回帰タスクの順序に基づく正規化に基づく連続学習の統計的解析を行う。
まず、全てのデータが同時に利用可能であるかのように得られたオラクル推定器の収束率を導出する。
理論解析の副産物は、早期停止と一般化された$ell$-regularizationの等価性である。
論文 参考訳（メタデータ） (2024-06-10T12:25:13Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Multifidelity Covariance Estimation via Regression on the Manifold of Symmetric Positive Definite Matrices [0.42855555838080844]
我々の多様体回帰多相性(MRMF)共分散推定器は、多様体空間上の特定の誤差モデルの下での最大可能性推定器であることを示す。
MRMF推定器は最大1桁の精度で2乗推定誤差を低減できることを示す。
論文 参考訳（メタデータ） (2023-07-23T21:46:55Z) - Quantized Low-Rank Multivariate Regression with Random Dithering [23.81618208119832]
低ランク多変量回帰(LRMR)は重要な統計的学習モデルである。
基礎となる係数行列の推定に焦点をあてる。
我々は、ランダムディザリングを伴う均一な量子化、すなわち、量子化の前に適切なランダムノイズをデータに追加する。
制約付きラッソおよび正規化ラッソ推定器を提案し、非漸近誤差境界を導出する。
論文 参考訳（メタデータ） (2023-02-22T08:14:24Z) - Deep Learning Based Residuals in Non-linear Factor Models: Precision
Matrix Estimation of Returns with Low Signal-to-Noise Ratio [0.0]
本稿では,大規模なポートフォリオにおける資産返却の精度行列に対する一貫した推定器と収束率を紹介する。
金融市場に典型的な低信号対雑音比環境においても, 評価は引き続き有効である。
論文 参考訳（メタデータ） (2022-09-09T20:29:54Z) - High-probability Bounds for Non-Convex Stochastic Optimization with
Heavy Tails [55.561406656549686]
我々は、勾配推定が末尾を持つ可能性のある一階アルゴリズムを用いたヒルベルト非最適化を考える。
本研究では, 勾配, 運動量, 正規化勾配勾配の収束を高確率臨界点に収束させることと, 円滑な損失に対する最もよく知られた繰り返しを示す。
論文 参考訳（メタデータ） (2021-06-28T00:17:01Z) - Universal Off-Policy Evaluation [64.02853483874334]
ユニバーサルオフ政治推定器(UnO)への第一歩を踏み出す
我々は, 平均, 分散, 分位数/中間数, 分位数範囲, cvar, および累積分布全体の推定と同時結合に uno を用いる。
論文 参考訳（メタデータ） (2021-04-26T18:54:31Z) - Robust regression with covariate filtering: Heavy tails and adversarial
contamination [6.939768185086755]
より強い汚染モデルにおいて,ハマー回帰,最小トリミング正方形,最小絶対偏差推定器を同時に計算および統計的に効率的に推定する方法を示す。
この設定では、ハマー回帰推定器がほぼ最適誤差率を達成するのに対し、最小のトリミング正方形と最小の絶対偏差推定器は、後処理ステップを適用した後、ほぼ最適誤差を達成することができる。
論文 参考訳（メタデータ） (2020-09-27T22:48:48Z) - SUMO: Unbiased Estimation of Log Marginal Probability for Latent
Variable Models [80.22609163316459]
無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。
推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
論文 参考訳（メタデータ） (2020-04-01T11:49:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。