Effiziente Berechnung optimaler Handelsstrategien Victor Boyarshinov und Malik Magdon-Ismail Kurzfassung: Bei der Rückführungsserie für einen Satz von Instrumenten ist eine Hervorhebung eine Umschaltfunktion, die Vermögenswerte von einem Instrument zu einem anderen zu bestimmten Zeitpunkten überträgt. Wir präsentieren effiziente Algorithmen für den Aufbau von (ex post) Handelsstrategien, die in Bezug auf die Gesamtrendite, das Sterling-Verhältnis und das Sharpe-Verhältnis optimal sind. Solche Ex-post-optimale Strategien sind nützliche Analysewerkzeuge. Sie können verwendet werden, um die Rentabilität eines Marktes im Hinblick auf den optimalen Handel zu analysieren, um Benchmarks zu entwickeln, gegen die der reale Handel verglichen werden kann, und in einem induktiven Rahmen können die optimalen Trades verwendet werden, um Lernsysteme (Prädiktoren) zu lehren Um zukünftige Handelsmöglichkeiten zu identifizieren. Ähnliche Werke: Dieser Artikel ist möglicherweise an anderer Stelle in EconPapers verfügbar: Suche nach Artikeln mit dem gleichen Titel. Exportreferenz: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Weitere Papiere von arXiv. org Von arXiv-Administratoren verwaltete Daten (). Diese Seite ist Teil von RePEc und alle hier angezeigten Daten sind Bestandteil des RePEc-Datensatzes. Ist Ihre Arbeit fehlt bei RePEc Hier ist, wie Sie beitragen. Fragen oder Probleme Überprüfen Sie die EconPapers FAQ oder senden Sie eine E-Mail an. Effiziente Berechnung der optimalen Handelsstrategien Angesichts der Return-Serie für einen Satz von Instrumenten, ist eine Hervorhebung eine Umschaltfunktion, die Vermögen von einem Instrument auf ein anderes zu bestimmten Zeiten überträgt. Wir präsentieren effiziente Algorithmen für den Aufbau von (ex post) Handelsstrategien, die in Bezug auf die Gesamtrendite, das Sterling-Verhältnis und das Sharpe-Verhältnis optimal sind. Solche Ex-post-optimale Strategien sind nützliche Analysewerkzeuge. Sie können dazu verwendet werden, die Quotrofitabilität eines Marketquot im Hinblick auf den optimalen Trading zu analysieren, um Benchmarks zu entwickeln, mit denen der reale Handel verglichen werden kann, und in einem induktiven Rahmen können die optimalen Trades verwendet werden, um Lernsysteme (Prädiktoren) zu lehren Um zukünftige Handelsmöglichkeiten zu identifizieren. Wenn Sie Probleme beim Herunterladen einer Datei haben, überprüfen Sie, ob Sie die richtige Anwendung haben, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie bitte die IDEAS-Hilfeseite. Beachten Sie, dass diese Dateien nicht auf der IDEAS-Website sind. Seien Sie bitte geduldig, da die Akten groß sein können. Effiziente Berechnung der optimalen Handelsstrategien Zeigen Sie Zusammenfassung Verstecken Sie Zusammenfassung ABSTRACT: Wir betrachten das Problem des optimalen Handels eines Assets in der Anwesenheit von xed Transaktionskosten, in denen der Anlagepreis ein SDE des formdSt DBth (Xt) dt wobei Bt eine Brownsche Bewegung ist, h eine bekannte Funktion und Xt eine Markov-Kette ist. Wir betrachten zwei Versionen des Problems, Maximierung der langfristigen Gewinn pro Zeiteinheit und Maximierung einer Form von ermäßigten Gewinn. Es ist bekannt, dass die optimale Handelsstrategie für ein solches Problem die Lösung eines Frei-Grenz-Problems ist, das wir eine intuitive Ableitung vorstellen, indem wir das optimale Handelsproblem als ein Paar gleichzeitiger optimaler Stoppprobleme ansehen. Wir geben auch explizite Lösungen für eine Reihe von Beispielen und geben Grenzen für die Transaktionskosten, über denen es optimal ist, niemals das Vermögen zu kaufen. Wir zeigen, dass in dem Fall, in dem Markov Chain Xt unabhängig von der Brown'schen Bewegung ist und einen nite Statespace hat, diese kritische Transaktionskosten eine einfache Form haben. G. W. P. Thompson Zusammenfassung des Abstracts ABSTRACT: Wir betrachten das Problem der Portfolioauswahl mit Transaktionskosten und Risikoeinschränkungen. Lineare Transaktionskosten, Grenzen auf der Varianz der Rendite und Grenzen auf unterschiedliche Fehlbetragswahrscheinlichkeiten werden durch konvexe Optimierungsverfahren effizient gehandhabt. Für solche Probleme lässt sich das weltweit optimale Portfolio sehr schnell berechnen. Portfolio-Optimierungsprobleme mit Transaktionskosten, die eine feste Vergütung enthalten, oder Discount-Breakpoints, können nicht direkt durch konvexe Optimierung gelöst werden. Wir beschreiben ein Relaxationsverfahren, das durch konvexe Optimierung eine leicht berechenbare Obergrenze ergibt. Wir beschreiben auch eine heuristische Methode, um ein suboptimales Portfolio zu finden, das auf der Lösung einer kleinen Anzahl konvexer Optimierungsprobleme beruht (und somit effizient durchgeführt werden kann). Somit erzeugen wir eine suboptimale Lösung und auch eine obere Schranke für die optimale Lösung. Numerische Experimente deuten darauf hin, dass für praktische Probleme die Lücke zwischen den beiden klein ist, auch für große Probleme mit Hunderten von Vermögenswerten. Dieselbe Vorgehensweise kann für verwandte Probleme angewendet werden, beispielsweise für die Verfolgung eines Indexes mit einem Portfolio, das aus einer geringen Anzahl von Vermögenswerten besteht. Volltext Artikel Mar 2007 Miguel Sousa Lobo Maryam Fazel Stephen Boyd Zusammenfassung anzeigen Zusammenfassung verstecken ABSTRACT:. Wir geben eine kurze Einführung in stückweise lineare (PL) Algorithmen, auch als komplementäre Pivot oder Fixpunkt-Algorithmen. Unser Ansatz basiert auf der prinzipiellen Darstellung von Eaves 14, daher beschreiben wir die Algorithmen in der allgemeinen Einstellung von PL-Mannigfaltigkeiten. Insbesondere stellen wir die PL-Homotopie-Methode von Eaves amp Saigal 16 vor. Die kürzlich etablierte Klasse von variablen Dimensionsalgorithmen wird vorgestellt. Für die Behandlung des Homotopieparameters verwenden wir eine spezielle Kegelkonstruktion. Besondere Aufmerksamkeit wird den Konvergenzergebnissen gewidmet. Numerische Details der Algorithmen können nur skizziert werden. Für eine detailliertere Darstellung solcher Algorithmen und bibliographischen Anmerkungen verweisen wir auf 4. I. Einleitung 1 Das erste und bedeutendste Beispiel eines PL-Algorithmus wurde von Lemke amp Howson 33 und Lemke 30 entworfen, um eine Lösung des linearen Komplementaritätsproblems zu berechnen. Dieser Algorithmus spielte eine entscheidende Rolle bei der Entwicklung von nachfolgenden PL-Algorithmen. Lineare Komplementarität. Artikel Aug 1998 Annalen der Operations Research Kurt Georg
No comments:
Post a Comment