論文の概要: The new methods for equity fund selection and optimal portfolio
construction
- arxiv url: http://arxiv.org/abs/2004.10631v1
- Date: Mon, 20 Apr 2020 08:24:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 19:29:44.737099
- Title: The new methods for equity fund selection and optimal portfolio
construction
- Title(参考訳): 株式ファンド選択と最適ポートフォリオ構築のための新しい手法
- Authors: Yi Cao
- Abstract要約: 我々は、相互ファンドのトップホールディングスから、より小さな株式プールからロングショートポートフォリオの作り方を示す。
これらの手法は統計的証拠に基づいており、モデルの妥当性を綿密に監視し、修復戦略を作成する必要がある。
- 参考スコア(独自算出の注目度): 3.0166620288400776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We relook at the classic equity fund selection and portfolio construction
problems from a new perspective and propose an easy-to-implement framework to
tackle the problem in practical investment. Rather than the conventional way by
constructing a long only portfolio from a big universe of stocks or macro
factors, we show how to produce a long-short portfolio from a smaller pool of
stocks from mutual fund top holdings and generate impressive results. As these
methods are based on statistical evidence, we need closely monitoring the model
validity, and prepare repair strategies.
- Abstract(参考訳): 我々は,古典的株式ファンドの選択とポートフォリオ構築の問題を新たな視点から見直し,実践的投資の課題に対処するための実装が容易な枠組みを提案する。
株式やマクロ要素の大きな宇宙から長いのみのポートフォリオを構築する従来の方法ではなく、相互ファンドのトップホールディングスから小さな株式プールからロングショートポートフォリオを生産し、印象的な結果を生み出す方法を示す。
これらの手法は統計的根拠に基づいており,モデルの妥当性を綿密に監視し,補修戦略を準備する必要がある。
関連論文リスト
- Which Matters Most in Making Fund Investment Decisions? A
Multi-granularity Graph Disentangled Learning Framework [47.308959396996606]
我々は,投資商品の知的マッチングを効果的に行うため,MGDLという新しいM言語グラニュラリティグラフ分散学習フレームワークを開発した。
特定のセマンティクスでより強い非絡み合い表現を実現するため、MGDLは2つの自己監督信号、すなわちファンドタイプのコントラストとファンドの人気を明示的に含んでいる。
論文 参考訳(メタデータ) (2023-11-23T09:08:43Z) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳(メタデータ) (2023-10-02T12:33:28Z) - Model-Free Market Risk Hedging Using Crowding Networks [1.4786952412297811]
群集はポートフォリオ戦略を設計する上で最も重要なリスク要因の1つだと考えられている。
本研究は,株式の集団化スコアの算出に使用されるファンド保有のネットワーク分析を用いて,株式の集団化分析を行う。
本手法は,コストのかかるオプションベースの戦略や複雑な数値最適化を必要としない,テールリスクを含むポートフォリオリスクの代替手段を提供する。
論文 参考訳(メタデータ) (2023-06-13T19:50:03Z) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-06-05T12:58:13Z) - Joint Latent Topic Discovery and Expectation Modeling for Financial
Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。
このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。
私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文 参考訳(メタデータ) (2023-06-01T01:36:51Z) - E2EAI: End-to-End Deep Learning Framework for Active Investing [123.52358449455231]
本稿では, ファクタ選択, ファクタ組み合わせ, 株式選択, ポートフォリオ構築を通じて, ファクター投資のほぼ全過程をカバーするE2Eを提案する。
実際の株式市場データの実験は、アクティブ投資におけるエンドツーエンドのディープ・リーン・フレームワークの有効性を示している。
論文 参考訳(メタデータ) (2023-05-25T10:27:07Z) - Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。
実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
論文 参考訳(メタデータ) (2022-10-22T14:47:11Z) - Asset Allocation: From Markowitz to Deep Reinforcement Learning [2.0305676256390934]
資産配分とは、ポートフォリオの資産を常に再分配することでリスクと報酬のバランスをとることを目的とした投資戦略である。
我々は、多くの最適化手法の有効性と信頼性を決定するために、広範囲なベンチマーク研究を行う。
論文 参考訳(メタデータ) (2022-07-14T14:44:04Z) - Fusion of Sentiment and Asset Price Predictions for Portfolio
Optimization [0.0]
本稿では,資産に対する感情を予測するためにセマンティック・アテンション・モデルを用いる。
感情を意識したLong Short Term Memoryを通じて最適なポートフォリオを選択する。
戦略は、安定性の観点から、従来のポートフォリオ割り当て戦略を上回るものではない。
論文 参考訳(メタデータ) (2022-03-10T23:21:12Z) - Precise Stock Price Prediction for Robust Portfolio Design from Selected
Sectors of the Indian Stock Market [0.0]
私たちは、選択した5つのセクターすべてに対して、最小限の分散ポートフォリオと最適なリスクポートフォリオを構築しました。
最小分散ポートフォリオと等しい重量ポートフォリオを持つ最適リスクポートフォリオの比較研究は、バックテストによって行われます。
論文 参考訳(メタデータ) (2022-01-14T17:24:19Z) - TPLVM: Portfolio Construction by Student's $t$-process Latent Variable
Model [3.5408022972081694]
我々は,低次元の潜伏変数による財務時系列の非ガウス的変動を記述するために,学生のTPLVM($t$-process latent variable model)を提案する。
これらのポートフォリオを比較することで、提案されたポートフォリオが既存のガウスプロセス潜在変数モデルよりも優れていることを確認した。
論文 参考訳(メタデータ) (2020-01-29T02:02:02Z)
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。