部分情報と深層学習分解能による最大ドローダウン制約の下での離散時間ポートフォリオ最適化【JST・京大機械翻訳】

De Franco Carmine; Nicolle Johann; Pham Huyen

プレプリント

J-GLOBAL ID：202202205613453879 整理番号：22P0205259

部分情報と深層学習分解能による最大ドローダウン制約の下での離散時間ポートフォリオ最適化【JST・京大機械翻訳】

Discrete-time portfolio optimization under maximum drawdown constraint with partial information and deep learning resolution

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年10月29日プレプリントサーバーでの情報更新日： 2020年10月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

著者らは,部分的情報と最大-最小引き下げ制約を有する離散時間ポートフォリオ選択問題を研究した。多次元フレームワークにおけるドリフト不確実性を事前確率分布によってモデル化した。このBayesフレームワークにおいて,測度の適切な変化を用いて動的プログラミング方程式を導出し,Gauss事例における半陽的結果を得る。CRRA効用関数を持つ後者の事例を,確率的最適制御問題に対する最近の深層学習技術を用いて数値的に解いた。ドリフトの不確実性に関して経験的性能と感度解析を提供することにより,学習戦略対非学習手法の有益な価値を強調した。さらに,著者らは,非学習戦略と短期制約Merton問題の間の密接な関係の数値的証拠を示し,最大水位低下制約が消えるので,後者に対する前者の収束を例証した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る