論文の概要: Uniform Pessimistic Risk and Optimal Portfolio
- arxiv url: http://arxiv.org/abs/2303.07158v1
- Date: Thu, 2 Mar 2023 09:41:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-19 11:47:13.989598
- Title: Uniform Pessimistic Risk and Optimal Portfolio
- Title(参考訳): 一様悲観的リスクと最適ポートフォリオ
- Authors: Sungchul Hong and Jong-June Jeon
- Abstract要約: 本稿では,一様悲観的リスクと計算アルゴリズムという統合された$alpha$-riskのバージョンを提案し,そのリスクに基づいて最適なポートフォリオを得る。
株式市場が不安定な場合、提案された悲観的ポートフォリオが他のポートフォリオよりも堅牢なパフォーマンスを示すことが実証的に確認されている。
- 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: The optimality of allocating assets has been widely discussed with the
theoretical analysis of risk measures. Pessimism is one of the most attractive
approaches beyond the conventional optimal portfolio model, and the
$\alpha$-risk plays a crucial role in deriving a broad class of pessimistic
optimal portfolios. However, estimating an optimal portfolio assessed by a
pessimistic risk is still challenging due to the absence of an available
estimation model and a computational algorithm. In this study, we propose a
version of integrated $\alpha$-risk called the uniform pessimistic risk and the
computational algorithm to obtain an optimal portfolio based on the risk.
Further, we investigate the theoretical properties of the proposed risk in view
of three different approaches: multiple quantile regression, the proper scoring
rule, and distributionally robust optimization. Also, the uniform pessimistic
risk is applied to estimate the pessimistic optimal portfolio models for the
Korean stock market and compare the result of the real data analysis. It is
empirically confirmed that the proposed pessimistic portfolio presents a more
robust performance than others when the stock market is unstable.
- Abstract(参考訳): 資産配分の最適性はリスク対策の理論分析と広く議論されてきた。
ペシミズムは、従来の最適ポートフォリオモデルを超えた最も魅力的なアプローチの1つであり、$\alpha$-riskは悲観的最適ポートフォリオの幅広いクラスを導出する上で重要な役割を果たす。
しかし、利用可能な推定モデルと計算アルゴリズムがないため、悲観的リスクによって評価される最適ポートフォリオの推定は依然として困難である。
本研究では,一様悲観的リスクと呼ばれる$\alpha$-riskの統合バージョンと,そのリスクに基づいて最適なポートフォリオを得るための計算アルゴリズムを提案する。
さらに,提案するリスクの理論的性質を,多変量回帰,適切なスコアリングルール,分布的ロバストな最適化という3つのアプローチから検討した。
また、韓国株式市場の悲観的最適ポートフォリオモデルを推定し、実データ分析の結果を比較するために一様悲観的リスクが適用される。
株式市場が不安定な場合、提案された悲観的ポートフォリオが他のポートフォリオよりも堅牢なパフォーマンスを示すことが実証的に確認されている。
関連論文リスト
- Overcoming Reward Overoptimization via Adversarial Policy Optimization
with Lightweight Uncertainty Estimation [50.0151082930949]
AdvPO(Adversarial Policy Optimization)は、人間からの強化学習における報酬過度最適化の問題に対する新しい解決策である。
本稿では,報酬モデルの最後の層埋め込みにのみ依存して,報酬の不確実性を定量化する軽量な手法を提案する。
論文 参考訳(メタデータ) (2024-03-08T09:20:12Z) - Model-Based Epistemic Variance of Values for Risk-Aware Policy
Optimization [63.32053223422317]
モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。
特に、MDP上の分布によって誘導される値の分散を特徴付けることに焦点をあてる。
我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。
論文 参考訳(メタデータ) (2023-12-07T15:55:58Z) - Pitfall of Optimism: Distributional Reinforcement Learning by
Randomizing Risk Criterion [9.35556128467037]
本稿では,リスクの一方的な傾向を避けるために,リスク基準のランダム化によって行動を選択する新しい分散強化学習アルゴリズムを提案する。
理論的結果は,提案手法がバイアス探索に該当せず,最適回帰に収束することが保証されていることを裏付けるものである。
論文 参考訳(メタデータ) (2023-10-25T10:53:04Z) - 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) - When Demonstrations Meet Generative World Models: A Maximum Likelihood
Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。
タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
論文 参考訳(メタデータ) (2023-02-15T04:14:20Z) - Efficient Risk-Averse Reinforcement Learning [79.61412643761034]
リスク逆強化学習(RL)では、リターンのリスク測定を最適化することが目標である。
特定の条件下では、これは必然的に局所最適障壁につながることを証明し、それを回避するためのソフトリスク機構を提案する。
迷路ナビゲーション,自律運転,資源配分ベンチマークにおいて,リスク回避の改善を示す。
論文 参考訳(メタデータ) (2022-05-10T19:40:52Z) - Risk budget portfolios with convex Non-negative Matrix Factorization [0.0]
凸非負行列因子化(NMF)を用いたリスクファクタの予算化に基づくポートフォリオ割当手法を提案する。
我々は、暗号通貨と伝統的資産の2つの長期的グローバルポートフォリオを対象とするボラティリティの文脈で、我々の手法を評価する。
論文 参考訳(メタデータ) (2022-04-06T12:02:15Z) - Lexicographic Optimisation of Conditional Value at Risk and Expected
Value for Risk-Averse Planning in MDPs [4.87191262649216]
マルコフ決定プロセス(MDP)の計画は通常、期待されるコストを最適化する。
もう1つのアプローチは、リスクの条件値(CVaR)のようなリスク-逆の目的を最適化するポリシーを見つけることである。
我々は,総コストのCVaRが最適であるという制約の下で,期待されるコストを最小限に抑えるための語彙最適化問題を定式化する。
論文 参考訳(メタデータ) (2021-10-25T09:16:50Z) - Deep Risk Model: A Deep Learning Solution for Mining Latent Risk Factors
to Improve Covariance Matrix Estimation [8.617532047238461]
ニューラルネットワークによるリスクファクタを効果的に"設計"するためのディープラーニングソリューションを提案する。
提案手法は,R2$で測定した説明分散を1.9%以上高めることができ,また,グローバルな最小分散ポートフォリオのリスクを低減することができる。
論文 参考訳(メタデータ) (2021-07-12T05:30:50Z) - Policy Gradient Bayesian Robust Optimization for Imitation Learning [49.881386773269746]
我々は、期待される性能とリスクのバランスをとるために、新しいポリシー勾配スタイルのロバスト最適化手法PG-BROILを導出する。
その結果,PG-BROILはリスクニュートラルからリスク・アバースまでの行動のファミリを創出できる可能性が示唆された。
論文 参考訳(メタデータ) (2021-06-11T16:49:15Z) - 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)
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。