論文の概要: Revisiting the Structure of Trend Premia: When Diversification Hides Redundancy

• arxiv url: http://arxiv.org/abs/2510.23150v1
• Date: Mon, 27 Oct 2025 09:26:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 17:41:22.010729
• Title: Revisiting the Structure of Trend Premia: When Diversification Hides Redundancy
• Title（参考訳）: トレンドプリミアの構造を再考する: 多様性が冗長性を隠すとき
• Authors: Alban Etiennea, Jean-Jacques Ohana, Eric Benhamou, Béatrice Guez, Ethan Setrouk, Thomas Jacquot,
• Abstract要約: 最近の研究は、複数の地平線をまたいだトレンド信号の組み合わせによる多様化の利点を強調している。 本稿では,地平線上での露光を動的に再配置することで,従来の視点を再考する。
• 参考スコア（独自算出の注目度）: 0.12314765641075438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent work has emphasized the diversification benefits of combining trend signals across multiple horizons, with the medium-term window-typically six months to one year-long viewed as the "sweet spot" of trend-following. This paper revisits this conventional view by reallocating exposure dynamically across horizons using a Bayesian optimization framework designed to learn the optimal weights assigned to each trend horizon at the asset level. The common practice of equal weighting implicitly assumes that all assets benefit equally from all horizons; we show that this assumption is both theoretically and empirically suboptimal. We first optimize the horizon-level weights at the asset level to maximize the informativeness of trend signals before applying Bayesian graphical models-with sparsity and turnover control-to allocate dynamically across assets. The key finding is that the medium-term band contributes little incremental performance or diversification once short- and long-term components are included. Removing the 125-day layer improves Sharpe ratios and drawdown efficiency while maintaining benchmark correlation. We then rationalize this outcome through a minimum-variance formulation, showing that the medium-term horizon largely overlaps with its neighboring horizons. The resulting "barbell" structure-combining short- and long-term trends-captures most of the performance while reducing model complexity. This result challenges the common belief that more horizons always improve diversification and suggests that some forms of time-scale diversification may conceal unnecessary redundancy in trend premia.
• Abstract（参考訳）: 最近の研究は、複数の地平線にまたがるトレンド信号の組み合わせによる多様化の利点を強調しており、中長期のウィンドウは通常6ヶ月から1年間はトレンドフォローの「スイートスポット」と見なされている。 本稿では,各トレンド地平線に割り当てられる最適な重みを資産レベルで学習するために設計されたベイズ最適化フレームワークを用いて,地平線上での露光を動的に再配置することで,この従来の見方を再考する。 等重み付けの一般的な実践は、すべての資産がすべての地平線から等しく利益を得られることを暗黙的に仮定する。 まず、ベイズ図形モデルを適用する前に、アセットレベルでの地平線レベルの重みを最適化し、トレンド信号のインフォメーション性を最大化し、アセットをまたいで動的に割り当てる。 鍵となる発見は、短期的および長期的コンポーネントが組み込まれれば、中期的なバンドは、インクリメンタルなパフォーマンスや多様化にはほとんど寄与しないということだ。 125日間のレイヤーを除去するとシャープ比とドローダウン効率が向上し、ベンチマークの相関が維持される。 次に、最小分散の定式化により、この結果を合理化し、中期の地平線はその近傍の地平線と大きく重なることを示す。 結果として生じる"バーベル"構造の組み合わせは、モデル複雑性を減らしながら、短期および長期のトレンドをキャプチャする。 この結果は、より多くの地平線が常に多様化を改善するという共通の信念に挑戦し、いくつかの時間スケールの多様化は、トレンド・プレミアにおいて不要な冗長性を隠蔽する可能性があることを示唆している。

関連論文リスト

• From Headlines to Holdings: Deep Learning for Smarter Portfolio Decisions [4.288926547930663]
  ディープラーニングを用いてポートフォリオの重みを学習するエンドツーエンドフレームワークを提案する。 我々は、セクターの多様性とニュース報道のバランスをとるために選ばれた6つのセクターにまたがる9つの米国株の枠組みを評価する。 株式の世界は限られているが、結果はポートフォリオ管理のための価格、リレーショナル、感情信号の統合の価値を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-09-29T00:42:24Z)
• Towards Improving Long-Tail Entity Predictions in Temporal Knowledge Graphs through Global Similarity and Weighted Sampling [53.11315884128402]
  時間知識グラフ(TKG)補完モデルは、伝統的にトレーニング中にグラフ全体へのアクセスを前提としている。 本稿では,TKGに特化して設計されたインクリメンタルトレーニングフレームワークを提案する。 提案手法は,モデルに依存しない拡張層と加重サンプリング戦略を組み合わせることで,既存のTKG補完手法を拡張および改善することができる。
  論文  参考訳（メタデータ） (2025-07-25T06:02:48Z)
• WSM: Decay-Free Learning Rate Schedule via Checkpoint Merging for LLM Pre-training [64.0932926819307]
  本稿では,学習速度減衰とモデルマージの正式な関係を確立するフレームワークであるWarmup-Stable and Merge(WSM)を紹介する。 WSMは様々な崩壊戦略をエミュレートするための統一された理論基盤を提供する。 私たちのフレームワークは、複数のベンチマークで広く採用されているWarmup-Stable-Decay(WSD)アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-07-23T16:02:06Z)
• Re-evaluating Short- and Long-Term Trend Factors in CTA Replication: A Bayesian Graphical Approach [0.0]
  本稿では,(i)CTAのリターンを,ベイズ図形モデルを用いて短期的傾向,長期的傾向,市場ベータ要因に動的に分解し,(ii)水平線が戦略のリスク調整性能をどのように形成するかを示す。
  論文  参考訳（メタデータ） (2025-07-17T12:09:29Z)
• End-to-End Large Portfolio Optimization for Variance Minimization with Neural Networks through Covariance Cleaning [0.0]
  我々は,世界規模の最小分散ポートフォリオを提供する回転不変ニューラルネットワークを開発した。 この明示的な数学的写像は各加群の役割を明確に解釈できる。 単一モデルは数百株のパネルで校正でき、再訓練せずに1000米国株に適用される。
  論文  参考訳（メタデータ） (2025-07-02T17:27:29Z)
• In-Context Linear Regression Demystified: Training Dynamics and Mechanistic Interpretability of Multi-Head Softmax Attention [52.159541540613915]
  本研究では,マルチヘッド型ソフトマックスアテンションモデルを用いて,線形データを用いたコンテキスト内学習を行う方法について検討する。 この結果から,学習内容の学習能力は,そのアーキテクチャと基礎となるデータ分布の集約的効果として,訓練されたトランスフォーマーから出現することが明らかとなった。
  論文  参考訳（メタデータ） (2025-03-17T02:00:49Z)
• Torque-Aware Momentum [28.72697062644016]
  本稿では,新しい勾配と以前の運動量との角度に基づく減衰率を導入し,トレーニング中の更新方向を安定化させるTorque-Aware Momentum (TAM)を提案する。 実験の結果,SGDとAdamの双方と組み合わせることができるTAMは探索性を高め,分散シフトをより効果的に扱えるようになり,様々なタスクにおける一般化性能が向上することがわかった。
  論文  参考訳（メタデータ） (2024-12-25T05:58:07Z)
• Concurrent Credit Assignment for Data-efficient Reinforcement Learning [0.0]
  状態と行動空間を広くサンプリングする能力は、効果的な強化学習アルゴリズムを構築する上で重要な要素である。 占有モデルは、探査が進むにつれて頻繁に更新される。 その結果, サンプリングの有効性は有意に向上し, トレーニング時間を短縮し, より高いリターンが得られた。
  論文  参考訳（メタデータ） (2022-05-24T12:11:34Z)
• Revisiting Consistency Regularization for Semi-Supervised Learning [80.28461584135967]
  そこで我々は,FeatDistLossというシンプルな手法により,一貫性の規則化を改良したフレームワークを提案する。 実験結果から,本モデルは様々なデータセットや設定のための新しい技術状態を定義する。
  論文  参考訳（メタデータ） (2021-12-10T20:46:13Z)

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。