Fugu-MT 論文翻訳(概要): Linear Trading Position with Sparse Spectrum

論文の概要: Linear Trading Position with Sparse Spectrum

arxiv url: http://arxiv.org/abs/2508.18596v1
Date: Tue, 26 Aug 2025 02:00:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-27 17:42:38.636068
Title: Linear Trading Position with Sparse Spectrum
Title（参考訳）: スパーススペクトルを用いた線形トレーディング位置
Authors: Zhao-Rong Lai, Haisheng Yang,
Abstract要約: 予測行列の大きなスペクトル領域を探索できるスパーススペクトルを持つ新しい線形トレーディング位置を提案する。また,Krasnosel'skiu i-Mann固定点アルゴリズムを開発し,このトレーディング位置を最適化する。
参考スコア（独自算出の注目度）: 13.879945614943379
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The principal portfolio approach is an emerging method in signal-based trading. However, these principal portfolios may not be diversified to explore the key features of the prediction matrix or robust to different situations. To address this problem, we propose a novel linear trading position with sparse spectrum that can explore a larger spectral region of the prediction matrix. We also develop a Krasnosel'ski\u \i-Mann fixed-point algorithm to optimize this trading position, which possesses the descent property and achieves a linear convergence rate in the objective value. This is a new theoretical result for this type of algorithms. Extensive experiments show that the proposed method achieves good and robust performance in various situations.
Abstract（参考訳）: 主要なポートフォリオアプローチは、信号ベースのトレーディングの新しい方法である。しかし、これらの主要なポートフォリオは、予測行列の重要な特徴を探求したり、異なる状況に頑健にするために多様化されないかもしれない。この問題に対処するために,予測行列の大きなスペクトル領域を探索できるスパーススペクトルを持つ新しい線形トレーディング位置を提案する。また, 降下特性を有し, 目的値の線形収束率を達成できるような, この取引位置を最適化するためのKrasnosel'ski\u \i-Mann固定点アルゴリズムを開発した。これはこの種のアルゴリズムの新たな理論的結果である。実験結果から, 提案手法は様々な状況において良好な, 堅牢な性能を示すことがわかった。

関連論文リスト

Self-Boost via Optimal Retraining: An Analysis via Approximate Message Passing [58.52119063742121]
独自の予測と潜在的にノイズの多いラベルを使ってモデルをトレーニングすることは、モデルパフォーマンスを改善するためのよく知られた戦略である。本稿では,モデルの予測と提供ラベルを最適に組み合わせる方法について論じる。我々の主な貢献は、現在のモデルの予測と与えられたラベルを組み合わせたベイズ最適集約関数の導出である。
論文参考訳（メタデータ） (2025-05-21T07:16:44Z)
An Advanced Ensemble Deep Learning Framework for Stock Price Prediction Using VAE, Transformer, and LSTM Model [4.097563258332958]
本研究では,3つの先進ニューラルネットワークアーキテクチャを組み合わせることで,株価予測のための最先端の深層学習フレームワークを提案する。このフレームワークは豊富な技術的指標を使用し、現在の市場状況に基づいて予測器をスケールする。金融専門家や学者にとって、アルゴリズム取引、リスク分析、制御と意思決定に非常に重要な応用がある。
論文参考訳（メタデータ） (2025-03-28T07:20:40Z)
Fast Deep Hedging with Second-Order Optimization [1.6874375111244329]
市場の摩擦がある場合にエキゾチックな選択肢を取り入れることは、重要なリスク管理課題である。本稿では,ディープヘッジのための2次最適化手法を提案する。提案手法は,標準適応モーメントベース最適化の要するステップ数のうち,1/4でポリシーを最適化できる。
論文参考訳（メタデータ） (2024-10-29T22:17:52Z)
Optimal Linear Signal: An Unsupervised Machine Learning Framework to Optimize PnL with Linear Signals [0.0]
本研究では、定量的ファイナンスにおける利益と損失(PnL)の最適化のための教師なし機械学習手法を提案する。我々のアルゴリズムは、線形回帰の教師なし変種と同様、外部変数から線形に構築された信号から生成されたPnLのシャープ比を最大化する。
論文参考訳（メタデータ） (2023-11-22T21:10:59Z)
Distributionally Robust Optimization with Bias and Variance Reduction [9.341215359733601]
勾配に基づくアルゴリズムであるProspectは、スムーズな正規化損失に対する線形収束を享受していることを示す。また、勾配法のようなベースラインよりも2～3$times$早く収束できることも示している。
論文参考訳（メタデータ） (2023-10-21T00:03:54Z)
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)
Keep it Tighter -- A Story on Analytical Mean Embeddings [0.6445605125467574]
カーネル技術は、データサイエンスにおいて最も人気があり柔軟なアプローチの一つである。平均埋め込みは、最大平均不一致(MMD)と呼ばれる分岐測度をもたらす。本稿では,基礎となる分布の1つの平均埋め込みが解析的に利用可能である場合のMDD推定の問題に焦点をあてる。
論文参考訳（メタデータ） (2021-10-15T21:29:27Z)
Robust, Accurate Stochastic Optimization for Variational Inference [68.83746081733464]
また, 共通最適化手法は, 問題が適度に大きい場合, 変分近似の精度が低下することを示した。これらの結果から,基礎となるアルゴリズムをマルコフ連鎖の生成とみなして,より堅牢で正確な最適化フレームワークを開発する。
論文参考訳（メタデータ） (2020-09-01T19:12:11Z)
A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文参考訳（メタデータ） (2020-06-23T01:34:18Z)
Second-Order Guarantees in Centralized, Federated and Decentralized Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文参考訳（メタデータ） (2020-03-31T16:54:22Z)
Bayesian Deep Learning and a Probabilistic Perspective of Generalization [56.69671152009899]
ディープアンサンブルはベイズ辺化を近似する有効なメカニズムであることを示す。また,アトラクションの流域内での辺縁化により,予測分布をさらに改善する関連手法を提案する。
論文参考訳（メタデータ） (2020-02-20T15:13:27Z)

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。