論文の概要: Precise Stock Price Prediction for Robust Portfolio Design from Selected
Sectors of the Indian Stock Market
- arxiv url: http://arxiv.org/abs/2201.05570v1
- Date: Fri, 14 Jan 2022 17:24:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-17 15:28:08.358318
- Title: Precise Stock Price Prediction for Robust Portfolio Design from Selected
Sectors of the Indian Stock Market
- Title（参考訳）: インド株式市場選択部門におけるロバストポートフォリオデザインの精密株価予測
- Authors: Jaydip Sen, Ashwin Kumar R S, Geetha Joseph, Kaushik Muthukrishnan,
Koushik Tulasi, and Praveen Varukolu
- Abstract要約: 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。
- 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: Stock price prediction is a challenging task and a lot of propositions exist
in the literature in this area. Portfolio construction is a process of choosing
a group of stocks and investing in them optimally to maximize the return while
minimizing the risk. Since the time when Markowitz proposed the Modern
Portfolio Theory, several advancements have happened in the area of building
efficient portfolios. An investor can get the best benefit out of the stock
market if the investor invests in an efficient portfolio and could take the buy
or sell decision in advance, by estimating the future asset value of the
portfolio with a high level of precision. In this project, we have built an
efficient portfolio and to predict the future asset value by means of
individual stock price prediction of the stocks in the portfolio. As part of
building an efficient portfolio we have studied multiple portfolio optimization
methods beginning with the Modern Portfolio theory. We have built the minimum
variance portfolio and optimal risk portfolio for all the five chosen sectors
by using past daily stock prices over the past five years as the training data,
and have also conducted back testing to check the performance of the portfolio.
A comparative study of minimum variance portfolio and optimal risk portfolio
with equal weight portfolio is done by backtesting.
- Abstract（参考訳）: 株価予測は困難な課題であり、この分野の文献には多くの提案が存在している。
ポートフォリオ構築(Portfolio construction)は、リスクを最小限に抑えつつ、利益を最大化するために株群を選択し、投資するプロセスである。
マークウィッツが近代ポートフォリオ理論を提案した頃から、効率的なポートフォリオ構築の分野ではいくつかの進歩があった。
投資家は、投資家が効率的なポートフォリオに投資し、高い精度でポートフォリオの将来の資産価値を見積もることで、事前に購入または販売の決定を下すことができる場合、株式市場から最高の利益を得ることができる。
本プロジェクトでは,効率的なポートフォリオを構築し,ポートフォリオ内の株の個々の株価予測を用いて将来的な資産価値を予測する。
効率的なポートフォリオ構築の一環として、Modern Portfolio理論から始まる複数のポートフォリオ最適化手法を研究しました。
我々は、過去5年間の過去の株価をトレーニングデータとして利用し、選択した5つのセクターすべてに対して、最小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、ポートフォリオのパフォーマンスを確認するためのテストも実施しました。
最小分散ポートフォリオと等重ポートフォリオの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る。
関連論文リスト
- Deep Reinforcement Learning and Mean-Variance Strategies for Responsible Portfolio Optimization [49.396692286192206]
本研究では,ESG状態と目的を取り入れたポートフォリオ最適化のための深層強化学習について検討する。
以上の結果から,ポートフォリオアロケーションに対する平均分散アプローチに対して,深層強化学習政策が競争力を発揮する可能性が示唆された。
論文 参考訳（メタデータ） (2024-03-25T12:04:03Z) - 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) - Performance Evaluation of Equal-Weight Portfolio and Optimum Risk
Portfolio on Indian Stocks [0.0]
ポートフォリオ設計に対する3つのアプローチは、リスクを最小化し、リスクを最適化し、ストックに等しい重量を割り当てる。
ポートフォリオは2017年1月1日から2022年12月31日までの株価に基づいて設計されている。
ポートフォリオのパフォーマンスを比較し、各セクターにより高いリターンをもたらすポートフォリオを特定する。
論文 参考訳（メタデータ） (2023-09-24T17:06:58Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - 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) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - A Comparative Study of Hierarchical Risk Parity Portfolio and Eigen
Portfolio on the NIFTY 50 Stocks [1.5773159234875098]
本稿では,インド株式市場の7分野における階層的リスクパリティアルゴリズムと固有ポートフォリオという2つのアプローチを用いたポートフォリオ最適化の体系的アプローチを提案する。
ポートフォリオのバックテストの結果は、HRPポートフォリオのパフォーマンスが、調査されたセクターの大部分のトレーニングデータとテストデータの両方において、そのパフォーマンスよりも優れていることを示している。
論文 参考訳（メタデータ） (2022-10-03T14:51:24Z) - Stock Performance Evaluation for Portfolio Design from Different Sectors
of the Indian Stock Market [0.0]
インド経済の6つの重要なセクターから数株の将来の価値を予測しようとした。
効率的なポートフォリオ構築の一環として、複数のポートフォリオ最適化理論を研究した。
選択した6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。
論文 参考訳（メタデータ） (2022-07-01T10:31:03Z) - Stock Portfolio Optimization Using a Deep Learning LSTM Model [1.1470070927586016]
本研究は、2016年1月1日から2020年12月31日まで、インド株式市場の9つの異なるセクターからトップ5の株価を時系列的に分析してきた。
最適ポートフォリオはこれらのセクター毎に構築されます。
各ポートフォリオの予測と実際のリターンは高く,LSTMモデルの高精度性を示している。
論文 参考訳（メタデータ） (2021-11-08T18:41:49Z) - HIST: A Graph-based Framework for Stock Trend Forecasting via Mining
Concept-Oriented Shared Information [73.40830291141035]
近年,Webから抽出したストック概念を用いて共有情報をマイニングし,予測結果を改善する手法が提案されている。
これまでの研究では、ストックとコンセプトのつながりは定常的であり、ストックとコンセプトのダイナミックな関連性を無視していた。
本稿では,事前定義された概念と隠れた概念から,概念指向の共有情報を適切にマイニングできる新しいストックトレンド予測フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-26T14:04:04Z) - Optimum Risk Portfolio and Eigen Portfolio: A Comparative Analysis Using
Selected Stocks from the Indian Stock Market [0.0]
本稿では,インド株式市場の7つの重要な分野について,ポートフォリオ設計,リスクポートフォリオの最小化,リスクポートフォリオの最適化,Eigenポートフォリオの3つのアプローチを提案する。
毎日の株価は、2016年1月1日から2020年12月31日までYahoo Financeのウェブサイトから取り除かれた。
ポートフォリオは、年次リターンとリスク、構成銘柄に割り当てられた重み、相関ヒートマップ、Eigenポートフォリオの主成分など、いくつかの指標に基づいて、トレーニングデータに基づいて分析される。
論文 参考訳（メタデータ） (2021-07-23T17:50:45Z)
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。