論文の概要: Large-scale Recommendation for Portfolio Optimization
- arxiv url: http://arxiv.org/abs/2103.07768v1
- Date: Sat, 13 Mar 2021 18:22:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 14:21:21.828769
- Title: Large-scale Recommendation for Portfolio Optimization
- Title（参考訳）: ポートフォリオ最適化のための大規模勧告
- Authors: Robin Swezey, Bruno Charron
- Abstract要約: 個人投資家はオンラインブローカーを利用して、便利なインターフェースと低料金で株式を取引している。
私たちは、このレベルのサービスを低コストで自動化した方法で複製するオンラインブローカーが直面する問題をフレーム化します。
金融商品のレコメンデーションに必要なケアのため、各ユーザのポートフォリオとリスクプロファイルに合わせたリスク管理アプローチに重点を置いています。
- 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: Individual investors are now massively using online brokers to trade stocks
with convenient interfaces and low fees, albeit losing the advice and
personalization traditionally provided by full-service brokers. We frame the
problem faced by online brokers of replicating this level of service in a
low-cost and automated manner for a very large number of users. Because of the
care required in recommending financial products, we focus on a risk-management
approach tailored to each user's portfolio and risk profile. We show that our
hybrid approach, based on Modern Portfolio Theory and Collaborative Filtering,
provides a sound and effective solution. The method is applicable to stocks as
well as other financial assets, and can be easily combined with various
financial forecasting models. We validate our proposal by comparing it with
several baselines in a domain expert-based study.
- Abstract（参考訳）: 個人投資家は現在、オンラインブローカーを使って、便利なインターフェースと低い手数料で株式を取引しているが、従来のフルサービスブローカーによるアドバイスやパーソナライゼーションは失われている。
私たちは、このレベルのサービスを非常に多くのユーザーのために低コストで自動化された方法で複製するオンラインブローカーが直面する問題をフレーム化します。
金融商品のレコメンデーションに必要なケアのため、各ユーザのポートフォリオとリスクプロファイルに合わせたリスク管理アプローチに重点を置いています。
現代のポートフォリオ理論と協調フィルタリングに基づくハイブリッドアプローチが,健全かつ効果的なソリューションを提供することを示す。
この方法は他の金融資産と同様に株式にも適用でき、様々な金融予測モデルと容易に組み合わせることができる。
ドメインエキスパートに基づく研究において、提案をいくつかのベースラインと比較することで、提案を検証します。
関連論文リスト
- Developing An Attention-Based Ensemble Learning Framework for Financial Portfolio Optimisation [0.0]
本稿では,アテンション機構や時系列,すなわちMASAATと統合されたマルチエージェントで自己適応的なポートフォリオ最適化フレームワークを提案する。
時系列で財務データのトークンを再構築することにより、各エージェントの注意ベースの横断分析モジュールと時間分析モジュールは、資産と時間点間の依存関係との相関を効果的に捉えることができる。
実験により、MASAATフレームワークは、よく知られたポートフォリオ最適化アプローチと比較して、印象的な拡張を実現していることが明らかとなった。
論文 参考訳（メタデータ） (2024-04-13T09:10:05Z) - Stock Recommendations for Individual Investors: A Temporal Graph Network Approach with Mean-Variance Efficient Sampling [27.770653904666776]
個々の投資家は確立した投資理論を無視し、代わりに個人的な好みを好んだ。
これは、強い投資実績を提供するだけでなく、これらの個人の嗜好を尊重する株式レコメンデーションシステムにとっての課題である。
PfoTGNRec, Portfolio Temporal Graph Network Recommenderを提案する。
論文 参考訳（メタデータ） (2024-03-27T07:17:55Z) - Mirror Gradient: Towards Robust Multimodal Recommender Systems via
Exploring Flat Local Minima [54.06000767038741]
フラットローカルミニマの新しい視点からマルチモーダルリコメンデータシステムの解析を行う。
我々はミラーグラディエント(MG)と呼ばれる簡潔で効果的な勾配戦略を提案する。
提案したMGは、既存の堅牢なトレーニング手法を補完し、多様な高度なレコメンデーションモデルに容易に拡張できることが判明した。
論文 参考訳（メタデータ） (2024-02-17T12:27:30Z) - 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) - Learning Multi-Agent Intention-Aware Communication for Optimal
Multi-Order Execution in Finance [96.73189436721465]
まず,現実的な制約を考慮したマルチオーダー実行のためのマルチエージェントRL(MARL)手法を提案する。
本稿では,学習可能なマルチラウンド通信プロトコルを提案する。
2つの実世界の市場のデータに関する実験では、優れたパフォーマンスを示し、コラボレーションの有効性が著しく向上した。
論文 参考訳（メタデータ） (2023-07-06T16:45:40Z) - 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) - Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。
そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。
これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。
我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
論文 参考訳（メタデータ） (2023-02-01T17:21:40Z) - A Novel Experts Advice Aggregation Framework Using Deep Reinforcement
Learning for Portfolio Management [0.0]
本稿では,専門家の信号と過去の価格データを用いて,強化学習フレームワークにフィードバックを与える手法を提案する。
私たちのフレームワークは、最高の専門家が獲得した利益の90%を得ることができます。
論文 参考訳（メタデータ） (2022-12-29T22:48:26Z) - Incentive-Aware Recommender Systems in Two-Sided Markets [49.692453629365204]
最適性能を達成しつつエージェントのインセンティブと整合する新しいレコメンデータシステムを提案する。
我々のフレームワークは、このインセンティブを意識したシステムを、両側市場におけるマルチエージェントバンディット問題としてモデル化する。
どちらのアルゴリズムも、エージェントが過剰な露出から保護する、ポストフェアネス基準を満たす。
論文 参考訳（メタデータ） (2022-11-23T22:20:12Z) - Learning Risk Preferences from Investment Portfolios Using Inverse
Optimization [25.19470942583387]
本稿では,既存ポートフォリオからのリスク嗜好を逆最適化を用いて測定する手法を提案する。
我々は、20年間の資産価格と10年間の相互ファンドポートフォリオ保有からなる実市場データについて、本手法を実証する。
論文 参考訳（メタデータ） (2020-10-04T21:29:29Z) - Super-App Behavioral Patterns in Credit Risk Models: Financial,
Statistical and Regulatory Implications [110.54266632357673]
従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。
2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
論文 参考訳（メタデータ） (2020-05-09T01:32:03Z)
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。