文献

J-GLOBAL ID：202002285104842805   整理番号：20A0499393

オンラインポートフォリオ最適化のためのカーネルベース集約学習システム【JST・京大機械翻訳】

Kernel-Based Aggregating Learning System for Online Portfolio Optimization

著者 (4件)： Wang Xin ( College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Sun Tao ( College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Liu Zhi ( College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Liu Zhi ( College of Management Engineering, Anhui Polytechnic University, Wuhu 241000, China)
資料名： Mathematical Problems in Engineering (Web)  (Mathematical Problems in Engineering (Web))
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： U7803A  ISSN： 1024-123X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 最近,様々な機械学習技術がオンラインポートフォリオ最適化(OLPO)問題を解決するために適用されている。これらのアプローチは,金融市場における不合理な現象の存在により過剰収益を得るための攻撃的戦略を典型的に探索する。しかし,既存の積極的なOLPO戦略は,ダウンサイドリスクをめったに考慮せず,効果的な傾向表現を欠いている。これは,ある市場環境における予測性能の悪さと大きな投資損失をもたらす。その上,単一モデルによる予測はしばしば不安定で雑音と異常値に敏感であり,最適パラメータの選択は正確な推定に対する障害になる。これらの欠点を克服するために,本論文では,OLPOのための新しいカーネルベースの集約学習(KAL)システムを提案した。それは,推定の精度とロバスト性を改良するために,二段階価格予測方式を含んだ。具体的には,追加指標情報と金融時系列の非定常性を利用することにより,成分価格推定量を構築し,次に,異なる原理に従って複数の成分推定量を結合するために,集約学習法を提示した。次に,この論文は,次の期間の将来の豊かさを最大にするためにカーネルベースの増加因子を導入することによって,強化された追跡システムを実施する。最後に,オンライン学習アルゴリズムを設計して,このシステム目的を解明して,それは大規模で時間的に制限された状況に好適であった。多様な実際の市場からのいくつかのベンチマークデータセットに関する実験結果は,KALが累積的な豊かさといくつかのリスク調整された計量において他の最新のシステムより優れていることを示した。一方,それは一定の取引コストに耐えることができる。Copyright 2020 Xin Wang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 投資 ,  ベンチマーク ,  推定量 ,  学習アルゴリズム ,  *学習 ,  トラッキング装置 ,  ロバスト性 ,  雑音 ,  異常値
準シソーラス用語： 非定常性 ,  最適パラメータ ,  予測性能 ,  金融市場 ,  *ポートフォリオ最適化 ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (35件)：

• H. Markovwitz, "Mean-variance analysis in portfolio choice and capital markets," Journal of Finance, vol. 7, no. 1, pp. 77-91, 1952.
• J. Kelly, "A new interpretation of information rate," IEEE Transactions on Information Theory, vol. 2, no. 3, pp. 185-189, 1956.
• L. Yang, R. Couillet, M. R. McKay, "A robust statistics approach to minimum variance portfolio optimization," IEEE Transactions on Signal Processing, vol. 63, no. 24, pp. 6684-6697, 2015.
• S. Raugys, "Portfolio of automated trading system: complexity and learning set size issues," IEEE Transactions on Neural Networks and Learning Systems, vol. 24, no. 3, pp. 448-459, 2013.
• Q. Liu, C. Dang, T. Huang, "A one-layer recurrent netural network for real-time portfolio optimization with probablity criterion," IEEE Transactions on Cybernetics, vol. 43, no. 1, pp. 14-23, 2013.

タイトルに関連する用語 (5件)： オンライン ,  ポートフォリオ最適化 ,  カーネル ,  集約 ,  学習システム