論文の概要: Machine Learning for Socially Responsible Portfolio Optimisation
- arxiv url: http://arxiv.org/abs/2305.12364v1
- Date: Sun, 21 May 2023 06:28:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 21:03:27.149213
- Title: Machine Learning for Socially Responsible Portfolio Optimisation
- Title(参考訳): 社会的責任のあるポートフォリオ最適化のための機械学習
- Authors: Taeisha Nundlall, Terence L Van Zyl
- Abstract要約: 社会的責任を持つ投資家は、金融リターンとともに社会と環境の進歩を促すために投資ポートフォリオを構築する。
この研究は、社会的責任を持つ投資家のためのポートフォリオ最適化を実装している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Socially responsible investors build investment portfolios intending to
incite social and environmental advancement alongside a financial return.
Although Mean-Variance (MV) models successfully generate the highest possible
return based on an investor's risk tolerance, MV models do not make provisions
for additional constraints relevant to socially responsible (SR) investors. In
response to this problem, the MV model must consider Environmental, Social, and
Governance (ESG) scores in optimisation. Based on the prominent MV model, this
study implements portfolio optimisation for socially responsible investors. The
amended MV model allows SR investors to enter markets with competitive SR
portfolios despite facing a trade-off between their investment Sharpe Ratio and
the average ESG score of the portfolio.
- Abstract(参考訳): 社会的責任を持つ投資家は、社会と環境の進歩を刺激する投資ポートフォリオを構築する。
平均変動(MV)モデルは、投資家のリスク許容度に基づいて可能な限り高いリターンを得られるが、MVモデルは、社会的責任を持つ(SR)投資家に関連する追加の制約を規定しない。
この問題に対応するため、mvモデルは最適化における環境・社会的・ガバナンススコア(esg)を考慮する必要がある。
本研究は、著名なMVモデルに基づいて、社会的責任を持つ投資家のポートフォリオ最適化を実現する。
修正されたMVモデルにより、SR投資家は、投資シャープ比率とポートフォリオの平均ESGスコアとのトレードオフに直面しながらも、競争力のあるSRポートフォリオを持つ市場に参入することができる。
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) - Increasing Profitability and Confidence by using Interpretable Model for
Investment Decisions [0.08192907805418582]
本稿では、SHAPに基づく説明可能性技術を利用して投資提案を予測するための解釈可能な意思決定モデルを提案する。
提案されたソリューションは、予測されたレコメンデーションに影響を与える要因に関する貴重な洞察を提供するだけでなく、さまざまなタイプの投資家にも役立ちます。
論文 参考訳(メタデータ) (2023-12-24T15:05:53Z) - 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) - Can Perturbations Help Reduce Investment Risks? Risk-Aware Stock
Recommendation via Split Variational Adversarial Training [44.7991257631318]
本稿では,リスクを意識したストックレコメンデーションのための新しいSVAT法を提案する。
株式レコメンデーションモデルのボラティリティを下げることで、SVATは投資リスクを効果的に低減し、リスク調整利益の点で最先端のベースラインを30%以上上回ります。
論文 参考訳(メタデータ) (2023-04-20T12:10:12Z) - Bayesian Optimization of ESG Financial Investments [0.0]
ESG (Economic, Social and Governance) の基準は金融においてより重要になっている。
本稿では,数理モデリングとESGとファイナンスを組み合わせた。
論文 参考訳(メタデータ) (2023-02-10T15:17:36Z) - 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) - Model-based Multi-agent Policy Optimization with Adaptive Opponent-wise
Rollouts [52.844741540236285]
マルチエージェント強化学習(MARL)におけるモデルベース手法について検討する。
AORPO(Adaptive Opponent-wise Rollout Policy)と呼ばれる新しい分散型モデルベースのMARL法を提案する。
論文 参考訳(メタデータ) (2021-05-07T16:20:22Z) - 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) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳(メタデータ) (2020-02-09T08:10:03Z) - 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。