文献

J-GLOBAL ID：201702213018543554   整理番号：17A1386546

適応ポートフォリオ取引システム:期待される最大水位低下による再発性強化学習を用いたリスク-収益ポートフォリオ最適化【Powered by NICT】

An adaptive portfolio trading system: A risk-return portfolio optimization using recurrent reinforcement learning with expected maximum drawdown

著者 (2件)： Almahdi Saud (Financial Engineering Program, School of Business, Stevens Institute of Technology, 1 Castle Point on Hudson, Hoboken, NJ 07030, USA) ,  Yang Steve Y. (Financial Engineering Program, School of Business, Stevens Institute of Technology, 1 Castle Point on Hudson, Hoboken, NJ 07030, USA)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 87  ページ： 267-279  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 動的制御理論は,長い最適資産配分問題を解くのに使用されており,強化学習法に基づく取引意思決定システムの数は資産配分とポートフォリオ再均衡に適用されてきた。本論文では,著者らは再発性強化学習(RRL)における既存の研究を拡張し,コヒーレントダウンサイドリスク測度,期待最大水位低下,E(MDD)の下での最適可変重量ポートフォリオ配分を構築した。特に,購入と販売信号と資産配分重量の両方を得るために,コヒーレントリスク調整性能目的関数を持つ,Calmar比,再発性強化学習法を提案した。最も頻繁に取引交換ー取引資金のポートフォリオ構成を用いて,期待される最大水位低下リスクベース目的関数は以前に提案されたRRL目的関数(すなわちSharpe比とSterling比)と比較して優れたリターン性能をもたらすことを,可変重量RRL長/短ポートフォリオは,異なる取引費用シナリオの下で等重量RRL長/短ポートフォリオよりも優れていることを示した。さらに,取引費用と市場条件停止損失再訓練機構を持つ適応E(MDD)リスクベースRRLポートフォリオ再均衡決定システムを提案し,提案したポートフォリオ取引システムはより良い取引費用効果に応答し,ヘッジファンドベンチマークを一貫して上回ることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 再発 ,  コヒーレンス ,  *強化学習 ,  *ポートフォリオ ,  目的関数 ,  釣合 ,  測度
準シソーラス用語： 取引費用 ,  動的制御 ,  ポートフォリオ最適化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 再帰強化学習 ,  期待される最大水位低下 ,  最適ポートフォリオ再均衡 ,  ダウンサイドリスク

分類 (1件)： 利益管理  (KA05030A)

タイトルに関連する用語 (10件)： 適応 ,  ポートフォリオ ,  取引 ,  期待 ,  水位低下 ,  再発 ,  強化学習 ,  リスク ,  収益 ,  ポートフォリオ最適化