定量金融 > 投资组合管理
[提交于 2017年4月29日
]
标题: 多期交易通过凸优化
标题: Multi-Period Trading via Convex Optimization
摘要: 我们考虑一个多期交易的基本模型,该模型可用于评估交易策略的性能。 我们描述了一个单期优化的框架,在该框架中,每期的交易通过求解一个凸优化问题来确定,该问题在预期收益、风险、交易成本和持有成本(如做空资产的借款成本)之间进行权衡。 然后我们描述了该交易方法的多期版本,在该版本中,优化用于规划一系列交易,仅执行第一个交易,使用在选择交易时未知的未来数量的估计值。 单期方法可以追溯到马科维茨;多期方法可以追溯到模型预测控制。 我们的贡献是将单期和多期方法纳入一个简单的框架中,清晰地描述了其发展过程和所做的近似。 在本文中,我们没有涉及交易算法中的一个关键组件,即对未来数量的预测或预报。 我们在这篇文章中描述的方法可以被视为利用预测的好方法,无论这些预测是如何做出的。 我们还开发了一个配套的开源软件库,实现了本文中描述的许多想法和方法。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.