論文の概要: A Framework for Online Investment Algorithms
- arxiv url: http://arxiv.org/abs/2003.13360v1
- Date: Mon, 30 Mar 2020 11:41:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 08:21:02.808110
- Title: A Framework for Online Investment Algorithms
- Title(参考訳): オンライン投資アルゴリズムのためのフレームワーク
- Authors: Andrew Paskaramoorthy (1), Terence van Zyl (1), Tim Gebbie (2)
- Abstract要約: 我々は,アルゴリズムポートフォリオ管理のための統合的かつオンラインなフレームワークについて,その結果を提示し報告する。
この記事では、プロセスレベルの学習フレームワークにインターンで組み込むことができるワークフローを提供します。
以上の結果から,我々のフレームワークと再サンプリング手法を併用して,市場資本化ベンチマークを上回り得ることが確認された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The artificial segmentation of an investment management process into a
workflow with silos of offline human operators can restrict silos from
collectively and adaptively pursuing a unified optimal investment goal. To meet
the investor's objectives, an online algorithm can provide an explicit
incremental approach that makes sequential updates as data arrives at the
process level. This is in stark contrast to offline (or batch) processes that
are focused on making component level decisions prior to process level
integration. Here we present and report results for an integrated, and online
framework for algorithmic portfolio management. This article provides a
workflow that can in-turn be embedded into a process level learning framework.
The workflow can be enhanced to refine signal generation and asset-class
evolution and definitions. Our results confirm that we can use our framework in
conjunction with resampling methods to outperform naive market capitalisation
benchmarks while making clear the extent of back-test over-fitting. We consider
such an online update framework to be a crucial step towards developing
intelligent portfolio selection algorithms that integrate financial theory,
investor views, and data analysis with process-level learning.
- Abstract(参考訳): オフラインの人間オペレータのサイロを持つワークフローへの投資管理プロセスの人工的なセグメンテーションは、サイロをまとめて適応的に統一された最適な投資目標を追求することを制限することができる。
投資家の目的を満たすために、オンラインアルゴリズムは明示的なインクリメンタルなアプローチを提供し、データがプロセスレベルに到達するとシーケンシャルな更新を行うことができる。
これは、プロセスレベルの統合の前にコンポーネントレベルの決定を行うことに集中するオフライン(またはバッチ)プロセスとは全く対照的です。
ここでは,アルゴリズムポートフォリオ管理のための統合的かつオンラインなフレームワークについて報告する。
この記事では、プロセスレベルの学習フレームワークにインターンで組み込むことができるワークフローを提供します。
ワークフローは、信号生成とアセットクラスの進化と定義を洗練するように拡張できる。
以上の結果から,バックテストオーバーフィットの度合いを明確化しつつ,再サンプリング手法と組み合わせて市場資本化ベンチマークを上回り得ることが確認できた。
このようなオンライン更新フレームワークは、金融理論、投資家視点、およびデータ分析とプロセスレベルの学習を統合するインテリジェントなポートフォリオ選択アルゴリズムを開発するための重要なステップであると考えています。
関連論文リスト
- Onflow: an online portfolio allocation algorithm [0.0]
ポートフォリオ割り当てポリシーのオンライン最適化を可能にする強化学習手法であるOnflowを紹介する。
ログ正規資産の場合、トランザクションコストがゼロのOnflowが学んだ戦略は、Markowitzの最適ポートフォリオを模倣している。
オンフローは、他の動的アロケーション技術がもはや機能しないレギュレーションにおいて、効率的であり続けることができる。
論文 参考訳(メタデータ) (2023-12-08T16:49:19Z) - FinMem: A Performance-Enhanced LLM Trading Agent with Layered Memory and
Character Design [11.913409501633616]
textscFinMemは、金融上の意思決定のために考案された新しいLLMベースのエージェントフレームワークである。
textscFinMemのメモリモジュールは、人間のトレーダーの認知構造と密接に一致し、堅牢な解釈性を提供する。
このフレームワークは、エージェントが専門知識を自己開発し、新しい投資方法にアジャイルに反応し、取引決定を継続的に洗練することを可能にする。
論文 参考訳(メタデータ) (2023-11-23T00:24:40Z) - Self Optimisation and Automatic Code Generation by Evolutionary
Algorithms in PLC based Controlling Processes [0.0]
複雑なプロセスのシステム論理を自己最適化するために,進化的アルゴリズムに基づく新しいアプローチを提案する。
提案手法は,多目的問題を考慮した産業用液体ステーションプロセスで評価する。
論文 参考訳(メタデータ) (2023-04-12T06:36:54Z) - MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion
Control in Real Networks [63.24965775030673]
そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。
我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。
我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
論文 参考訳(メタデータ) (2023-02-02T18:27:20Z) - Algorithm Design for Online Meta-Learning with Task Boundary Detection [57.07616532337541]
非定常環境におけるタスクに依存しないオンラインメタ学習のための新しいアルゴリズムを提案する。
まず,タスクスイッチと分散シフトの簡易かつ効果的な2つの検出機構を提案する。
軽度条件下では,線形タスク平均的後悔がアルゴリズムに対して達成可能であることを示す。
論文 参考訳(メタデータ) (2023-02-02T04:02:49Z) - A Modular Framework for Reinforcement Learning Optimal Execution [68.8204255655161]
我々は、最適貿易実行問題への強化学習の適用のためのモジュラーフレームワークを開発する。
このフレームワークは、異なるシミュレーション設定の実装を容易にするために、柔軟性を念頭に設計されている。
論文 参考訳(メタデータ) (2022-08-11T09:40:42Z) - Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。
エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。
我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
論文 参考訳(メタデータ) (2022-06-01T00:44:53Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳(メタデータ) (2022-03-02T19:57:32Z) - Modeling and Optimization Trade-off in Meta-learning [23.381986209234164]
メタラーニングにおいて、正確なモデリングと容易さのトレードオフを導入し、厳密に定義する。
我々はMAMLを代表的メタラーニングアルゴリズムとして、一般的な非リスク関数と線形回帰のトレードオフを理論的に特徴づける。
また,メタ強化学習ベンチマークのトレードオフを実証的に解決する。
論文 参考訳(メタデータ) (2020-10-24T15:32:08Z) - Towards Intelligent Risk-based Customer Segmentation in Banking [0.0]
我々は、顧客のデータをあるシステムから別のシステムへ移動させるために、一連の処理要素からなるインテリジェントなデータ駆動パイプラインを提案する。
目標は、機能エンジニアリング、すなわち、(銀行化)ドメイン知識を使用して生データから特徴を抽出するプロセスを自動化する、新しいインテリジェントな顧客セグメンテーションプロセスを提供することである。
提案手法は,従来の手法に比べて91%の精度でトランザクションの検出,識別,分類を行うことができる。
論文 参考訳(メタデータ) (2020-09-29T11:22:04Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-08-29T14:57:53Z)
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。