論文の概要: Finding Moving-Band Statistical Arbitrages via Convex-Concave Optimization

• arxiv url: http://arxiv.org/abs/2402.08108v1
• Date: Mon, 12 Feb 2024 22:56:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-14 17:21:42.974803
• Title: Finding Moving-Band Statistical Arbitrages via Convex-Concave Optimization
• Title（参考訳）: 凸凹最適化による移動帯域統計調停の探索
• Authors: Kasper Johansson and Thomas Schmelzer and Stephen Boyd
• Abstract要約: 我々は、バンドに残される価格とレバレッジ制限に基づいて、最高のボラティリティを持つポートフォリオを求めるものとして、問題を定式化します。 この最適化問題は凸ではなく、凸凹法を用いて近似的に解くことができる。 本手法は,時間とともに帯域幅の中間点が変化する移動帯域統計仲裁を求めるためにどのように一般化されるかを示す。
• 参考スコア（独自算出の注目度）: 0.8287206589886881
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a new method for finding statistical arbitrages that can contain more assets than just the traditional pair. We formulate the problem as seeking a portfolio with the highest volatility, subject to its price remaining in a band and a leverage limit. This optimization problem is not convex, but can be approximately solved using the convex-concave procedure, a specific sequential convex programming method. We show how the method generalizes to finding moving-band statistical arbitrages, where the price band midpoint varies over time.
• Abstract（参考訳）: 本稿では,従来の対よりも多くの資産を含む統計的仲裁を求める手法を提案する。 我々は,バンドに残されている価格とレバレッジ限界に照らして,最もボラティリティの高いポートフォリオを求める問題を定式化する。 この最適化問題は凸ではなく、特定の逐次凸計画法である凸凹法を用いて近似的に解くことができる。 提案手法は,価格帯の中間点が時間とともに変化する移動帯域統計仲裁器の探索にどのように一般化するかを示す。

関連論文リスト

• Towards Convexity in Anomaly Detection: A New Formulation of SSLM with Unique Optimal Solutions [12.250410918282615]
  Support Vector Description (SVDD) Small and Large Sphere SVM (MvMs) として広く使われている手法における未解決問題 従来の非アプローチでは不可能であることを示す新しいSSLMを導入する。
  論文  参考訳（メタデータ） (2024-10-31T09:42:39Z)
• Maximum a Posteriori Inference for Factor Graphs via Benders' Decomposition [0.38233569758620056]
  一般ベイズ因子モデルにおける最大a-ポストペリオーリ推定法を提案する。 ベイジアン・ガウス混合モデルと潜在ディリクレ割り当てに対するMAP推定アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-10-24T19:57:56Z)
• First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities [91.46841922915418]
  本稿では,一階変分法の理論解析のための統一的アプローチを提案する。 提案手法は非線形勾配問題とモンテカルロの強い問題の両方をカバーする。 凸法最適化問題の場合、オラクルに強く一致するような境界を与える。
  論文  参考訳（メタデータ） (2023-05-25T11:11:31Z)
• Sarah Frank-Wolfe: Methods for Constrained Optimization with Best Rates and Practical Features [65.64276393443346]
  Frank-Wolfe (FW) 法は、構造化制約による最適化問題の解法として一般的な手法である。 有限サム勾配の最小化のためのアルゴリズムの2つの新しい変種を示す。
  論文  参考訳（メタデータ） (2023-04-23T20:05:09Z)
• Stochastic Inexact Augmented Lagrangian Method for Nonconvex Expectation Constrained Optimization [88.0031283949404]
  多くの実世界の問題は複雑な非機能的制約を持ち、多くのデータポイントを使用する。 提案手法は,従来最もよく知られた結果で既存手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-12-19T14:48:54Z)
• Fuzzy Clustering by Hyperbolic Smoothing [0.0]
  本研究では,スムーズな数値手法を用いて,大規模データセットのファジィクラスタを構築する手法を提案する。 この平滑化により、強微分不可能な問題から低次元の制約を伴わずに、最適化の微分可能部分確率に変換することができる。
  論文  参考訳（メタデータ） (2022-07-09T12:40:46Z)
• Learning Sparse Graph with Minimax Concave Penalty under Gaussian Markov Random Fields [51.07460861448716]
  本稿では,データから学ぶための凸解析フレームワークを提案する。 三角凸分解はその上部に対応する変換によって保証されることを示す。
  論文  参考訳（メタデータ） (2021-09-17T17:46:12Z)
• Distributionally Robust Optimization with Markovian Data [8.126833795693699]
  本研究では,不確実な問題パラメータの確率分布が不明なプログラムについて検討する。 本稿では,問題の目的関数と最適解を推定するために,データ駆動型分布法を提案する。
  論文  参考訳（メタデータ） (2021-06-12T10:59:02Z)
• Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
  マルコフ決定過程における純粋探索問題について検討する。 エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
  論文  参考訳（メタデータ） (2021-06-05T09:16:28Z)
• Gradient-Free Methods for Saddle-Point Problem [125.99533416395765]
  我々はGasnikov et al., 2017のアプローチを一般化し、不正確な勾配のないオラクルで(確率的な)凸最適化問題を解けるようにした。 我々のアプローチは、$fracnlog n$ の要求するオラクル呼び出しの回数を削減します。 論文の後半では、そのような仮定ができない場合を分析し、この問題を解決する方法の近代化方法に関する一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-12T16:44:27Z)

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。