抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
市場指数とリスクフリー資産間のポートフォリオ割当てのための機械学習を用いるとき,経済的および統計的に有意な利得を見出した。時変期待収益と揮発性に対する最適ポートフォリオ規則を2つのランダム森林モデルで実施した。1つのモデルを採用して,支払い収率による過剰リターンの符号確率を予測した。二番目を用いて,最適化揮発性推定を構築した。機械学習による報酬リスクタイミングは,ユーティリティ,リスク調整リターン,および最大ドローダウンにおいて,購入およびホールドの実質的な改善を提供する。本論文では,リターンとボラティリティタイミングの両方に適用した機械学習のための新しい理論的基礎と統一フレームワークを提案した。【JST・京大機械翻訳】