論文の概要: Performance Evaluation of Equal-Weight Portfolio and Optimum Risk
Portfolio on Indian Stocks
- arxiv url: http://arxiv.org/abs/2309.13696v1
- Date: Sun, 24 Sep 2023 17:06:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 18:01:55.243409
- Title: Performance Evaluation of Equal-Weight Portfolio and Optimum Risk
Portfolio on Indian Stocks
- Title（参考訳）: インド株における等重量ポートフォリオと最適リスクポートフォリオの性能評価
- Authors: Abhiraj Sen and Jaydip Sen
- Abstract要約: 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。
- 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: Designing an optimum portfolio for allocating suitable weights to its
constituent assets so that the return and risk associated with the portfolio
are optimized is a computationally hard problem. The seminal work of Markowitz
that attempted to solve the problem by estimating the future returns of the
stocks is found to perform sub-optimally on real-world stock market data. This
is because the estimation task becomes extremely challenging due to the
stochastic and volatile nature of stock prices. This work illustrates three
approaches to portfolio design minimizing the risk, optimizing the risk, and
assigning equal weights to the stocks of a portfolio. Thirteen critical sectors
listed on the National Stock Exchange (NSE) of India are first chosen. Three
portfolios are designed following the above approaches choosing the top ten
stocks from each sector based on their free-float market capitalization. The
portfolios are designed using the historical prices of the stocks from Jan 1,
2017, to Dec 31, 2022. The portfolios are evaluated on the stock price data
from Jan 1, 2022, to Dec 31, 2022. The performances of the portfolios are
compared, and the portfolio yielding the higher return for each sector is
identified.
- Abstract（参考訳）: 構成資産に適切な重みを割り当て、ポートフォリオに関連するリターンとリスクを最適化するための最適なポートフォリオを設計することは、計算的に難しい問題である。
将来の株のリターンを見積もって問題を解決しようとするmarkowitzの独創的な研究は、現実の株式市場のデータに最適化されることが判明した。
これは、株価の確率的かつ変動的な性質のため、推定タスクが極めて困難になるためである。
この研究は、リスクを最小限に抑え、リスクを最適化し、ポートフォリオの在庫に等しい重みを割り当てるポートフォリオ設計の3つのアプローチを示す。
インド国立証券取引所(nse)に上場する13の重要部門が最初に選ばれた。
3つのポートフォリオは、上記のアプローチに従って、自由フロート市場資本化に基づいて各セクターから上位10の株式を選択する。
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。
ポートフォリオは2022年1月1日から12月31日までの株価データに基づいて評価される。
ポートフォリオのパフォーマンスを比較し、各セクタに対して高いリターンを与えるポートフォリオを特定する。
関連論文リスト
- A Comparative Study of Portfolio Optimization Methods for the Indian
Stock Market [0.0]
本章では、インド株式市場におけるMVP、HRP、HERCの3つのポートフォリオ最適化手法の比較研究について述べる。
各クラスタの上位株式は、2022年7月1日に公表されたNSEの報告書から、彼らのフリーフロート市場資本化に基づいて特定される。
各部門は、2019年7月1日から2022年6月30日までの3つのポートフォリオ最適化アプローチに従って、株価に基づいて3つのポートフォリオを設計する。
論文 参考訳（メタデータ） (2023-10-23T09:33:40Z) - 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) - 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) - Portfolio Optimization: A Comparative Study [0.0]
この章では、3つのポートフォリオ設計アプローチ、平均分散ポートフォリオ(MVP)、階層的リスクパリティ(HRP)ベースのポートフォリオ、オートエンコーダベースのポートフォリオを比較します。
ポートフォリオは、2018年1月1日から2021年12月31日までの株価データを用いて設計され、2022年1月1日から2022年12月31日までのサンプル外データでそのパフォーマンスをテストする。
MVPポートフォリオのパフォーマンスは、リスク調整されたリターンのアウトオブサンプルデータで最高のものであることが観察された。
論文 参考訳（メタデータ） (2023-07-11T06:56:06Z) - 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) - Robust Portfolio Design and Stock Price Prediction Using an Optimized
LSTM Model [0.0]
本稿では,インドにおける4つの重要な経済セクターに対して,最適リスクと固有という2つのタイプのポートフォリオを構築するための体系的なアプローチを提案する。
株価は2016年1月1日から2020年12月31日までウェブから抽出される。
LSTMモデルは将来の株価を予測するためにも設計されている。
論文 参考訳（メタデータ） (2022-03-02T14:15:14Z) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳（メタデータ） (2021-09-14T18:50:38Z) - 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) - 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)
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。