文献

J-GLOBAL ID：202102252531661593   整理番号：21A2341917

高次元インデックストラッキングのための複合分位回帰に基づく効率的なスパースポートフォリオ【JST・京大機械翻訳】

Efficient sparse portfolios based on composite quantile regression for high-dimensional index tracking

著者 (1件)： Li Ning (College of Artificial Intelligence and Big Data, Hefei University, Hefei, China)
資料名： Journal of Statistical Computation and Simulation  (Journal of Statistical Computation and Simulation)
巻： 90  号： 8  ページ： 1466-1478  発行年： 2020年 
JST資料番号： W5979A  ISSN： 0094-9655  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： 指標追跡はベンチマーク指数の性能に整合するのを追求するよく知られたパッシブ管理戦略である。知る限りでは,スパースインデックス追跡のための既存の文献は,非短い販売制約の下でのペナルティ化最小二乗(LS)回帰に主に焦点を合わせている。本論文では,高次元指数追跡のための株選択と資本割当を同時に行うための複合分位回帰に基づく効率的なスパースポートフォリオを提案した。既存のLS型手順によって無視された予算制約に関する特別な考察を行った。さらに,提案した方法の実装のための特殊線形計画法アルゴリズムを開発した。シミュレーションを通して,著者らは,提案方法が予測精度と変数選択に関して(または少なくとも一致)既存の手順より優れていることを示した。最後に,提案した方法を適用してニューヨークストック交換におけるS[数式:原文を参照]P500指数を追跡した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最小二乗法 ,  線形計画法 ,  *ポートフォリオ ,  *高次元 ,  ベンチマーク ,  ペナルティ
準シソーラス用語： 予測精度 ,  パッシブ ,  変数選択 , 【Automatic Indexing@JST】

著者キーワード (3件)： 高次元指数追跡 ,  スパースポートフォリオ ,  複合分位回帰

分類 (3件)： 利益管理  (KA05030A) ,  統計学  (AB08000H) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 高次元 ,  インデックス ,  トラッキング ,  ポートフォリオ