ポートフォリオ最適化におけるt-歪分布のための一般化精密行列【JST・京大機械翻訳】

Bax Karoline; Taufer Emanuele; Paterlini Sandra

プレプリント

J-GLOBAL ID：202202217626680180 整理番号：22P0310390

ポートフォリオ最適化におけるt-歪分布のための一般化精密行列【JST・京大機械翻訳】

A generalized precision matrix for t-Student distributions in portfolio optimization

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： 2022年03月25日プレプリントサーバーでの情報更新日： 2022年03月25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)

Markowitzモデルは,現代のポートフォリオ理論の corner石である。特に,最小分散ポートフォリオに焦点を当てたとき,共分散行列またはその逆,いわゆる精度行列は必要な唯一の入力である。これまで,ほとんどの学者は入力の推定の改善に働いているが,非Gauss設定における依存性構造を捉えるとき,逆共分散行列の限界にはほとんど注意が払われていない。精度行列はGauss設定におけるランダムベクトルの条件付き依存性構造を正しく理解できるが,共分散行列の逆はGauss性が失敗するとき,必ずしも信頼できる情報源をもたらさない。本論文では,局所依存性関数を利用して,一般クラスの分布に対して成立する一般化精度行列(GPM)の異なる定義を提供した。特に,多変量t-Student分布に焦点を当て,ランダムベクトルにおける相互作用が共分散行列の逆数だけでなく,付加的要素にも依存しないことを指摘した。S&P100とFamaとフランスの産業データを考慮して,最小分散ポートフォリオセットアップを用いて,提案したGPMの性能を試験した。GPMに依存するポートフォリオは,最先端の方法よりも,しばしば統計的に有意な低いサンプル外分散を生成することを示した。【JST・京大機械翻訳】

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

信号理論 , 図形・画像処理一般 , 数値計算

, , ,

前のページに戻る