Calcul efficace des stratégies de trading optimales Victor Boyarshinov et Malik Magdon-Ismail Résumé: Étant donné la série de retour d'un ensemble d'instruments, un emph est une fonction de commutation qui transfère la richesse d'un instrument à l'autre à des moments spécifiés. Nous présentons des algorithmes efficaces pour construire des stratégies de trading (ex-post) optimales par rapport au rendement total, au ratio Sterling et au rapport de Sharpe. Ces stratégies optimales ex-post sont des outils d'analyse utiles. Ils peuvent être utilisés pour analyser la rentabilité d'un marché en termes de négociation optimale pour développer des repères permettant de comparer le commerce réel et, dans un cadre inductif, les métiers optimaux peuvent être utilisés pour enseigner des systèmes d'apprentissage (prédicteurs) qui sont alors Utilisé pour identifier les opportunités commerciales futures. Oeuvres connexes: Cet article peut être disponible ailleurs dans EconPapers: Recherche des articles du même titre. Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Plus de documents dans Papers à partir de arXiv. org Données de la série maintenues par les administrateurs arXiv (). Ce site fait partie de RePEc et toutes les données affichées ici font partie de l'ensemble de données RePEc. Votre travail manque-t-il à RePEc Voici comment contribuer. Questions ou problèmes Consultez la FAQ d'EconPapers ou envoyez un courrier à. Calcul efficace des stratégies de négociation optimales Étant donné la série de retour d'un ensemble d'instruments, une fonction de commutation qui transfère la richesse d'un instrument à l'autre à des moments précis. Nous présentons des algorithmes efficaces pour construire des stratégies de trading (ex-post) optimales par rapport au rendement total, au ratio Sterling et au rapport de Sharpe. Ces stratégies optimales ex-post sont des outils d'analyse utiles. Ils peuvent être utilisés pour analyser la quotprofitabilité d'un marché en termes de négociation optimale pour développer des repères à partir desquels le commerce réel peut être comparé et, dans un cadre inductif, les métiers optimaux peuvent être utilisés pour enseigner des systèmes d'apprentissage (prédicteurs) qui sont alors Utilisé pour identifier les opportunités commerciales futures. Si vous rencontrez des problèmes lors du téléchargement d'un fichier, vérifiez si vous avez l'application appropriée pour le consulter en premier. En cas de problèmes supplémentaires, lisez la page d'aide IDEAS. Notez que ces fichiers ne sont pas sur le site IDEAS. Nous considérons le problème de la négociation optimale d'un actif en présence de coûts de transaction xés lorsque le prix d'un actif satisfait à une SDE du formdSt DBth (Xt) dt où Bt est un mouvement brownien, h est une fonction connue et Xt est une chaîne de Markov. Nous examinons deux versions du problème, maximisant le gain à long terme par unité de temps et maximisant une forme de gain actualisé. Il est bien connu que la stratégie de négociation optimale pour un tel problème est la solution d'un problème de limite libre, nous présentons une dérivation intuitive en considérant le problème de trading optimal comme une paire de problèmes simultanés d'arrêt optimal. Nous donnons également des solutions explicites pour une gamme d'exemples et donnons des limites sur le coût de transaction au-dessus duquel il est optimal de ne jamais acheter l'actif du tout. Nous montrons que dans le cas où la chaîne de Markov Xt est indépendante du mouvement brownien et a un espace de temps nite, ce coût de transaction critique a une forme simple. Article Jan 2002 Annales de Recherche Opérationnelle G. W. P. Thompson Afficher le résumé Masquer le résumé RESUME: Nous considérons le problème de la sélection du portefeuille, avec les coûts de transaction et les contraintes sur l'exposition au risque. Les coûts de transaction linéaires, les limites de la variance du rendement et les limites des différentes probabilités de déficit sont traitées efficacement par des méthodes d'optimisation convexe. Pour de tels problèmes, le portefeuille global optimal peut être calculé très rapidement. Les problèmes d'optimisation de portefeuille avec des coûts de transaction incluant une commission fixe ou des points d'arrêt de rabais ne peuvent pas être résolus directement par une optimisation convexe. Nous décrivons une méthode de relaxation qui donne une limite supérieure facilement calculable via une optimisation convexe. Nous décrivons également une méthode heuristique pour trouver un portefeuille sous-optimal, qui est basé sur la résolution d'un petit nombre de problèmes d'optimisation convexe (et donc peut être fait efficacement). Ainsi, nous produisons une solution sous-optimale, ainsi qu'une limite supérieure sur la solution optimale. Des expériences numériques suggèrent que pour des problèmes pratiques, l'écart entre les deux est faible, même pour les grands problèmes impliquant des centaines d'actifs. La même approche peut être utilisée pour des problèmes connexes, tels que le suivi d'un indice avec un portefeuille composé d'un petit nombre d'actifs. Article intégral Mar 2007 Miguel Sousa Lobo Maryam Fazel Stephen Boyd Afficher le résumé Masquer le résumé ABSTRACT:. Nous donnons une brève introduction aux algorithmes linéaires par morceaux (PL), également appelés algorithmes complémentaires de pivot ou de point fixe. Notre approche est basée sur la présentation fondamentale de Eaves 14, donc nous décrivons les algorithmes dans le cadre général de PL collecteurs. En particulier, nous introduisons la méthode d'homotopie PL de Eaves amp Saigal 16. La classe nouvellement établie d'algorithmes de dimension variable sera présentée. Nous utilisons une construction conique particulière pour la manipulation du paramètre homotopie. Une attention particulière est accordée aux résultats de la convergence. Les détails numériques des algorithmes ne peuvent être esquissés. Pour une présentation plus détaillée de ces algorithmes et de ces remarques bibliographiques, on se reportera à 4. I. Introduction 1 Le premier et le plus important exemple d'algorithme PL a été conçu par Lemke amp Howson 33 et Lemke 30 pour calculer une solution du problème de complémentarité linéaire. Cet algorithme a joué un rôle crucial dans le développement d'algorithmes PL ultérieurs. Complémentaire linéaire. Article août 1998 Annales de recherche opérationnelle Kurt Georg
No comments:
Post a Comment