Cálculo eficiente de estratégias de negociação ótimas

Computação Eficiente de Estratégias de Negociação Ótimas Victor Boyarshinov e Malik Magdon-Ismail Resumo: Dada a série de retorno para um conjunto de instrumentos, uma emph é uma função de comutação que transfere a riqueza de um instrumento para outro em momentos específicos. Apresentamos algoritmos eficientes para a construção de estratégias de negociação (ex-post) que são ótimas em relação ao retorno total, a relação Sterling ea relação de Sharpe. Essas estratégias ex-post ótimas são ferramentas de análise úteis. Eles podem ser usados ​​para analisar a rentabilidade de um mercado em termos de negociação ideal para desenvolver benchmarks contra os quais o comércio real pode ser comparado e, dentro de um quadro indutivo, os negócios ideais podem ser usados ​​para ensinar sistemas de aprendizagem (preditores) que são então Usadas para identificar futuras oportunidades comerciais. Trabalhos relacionados: Este item pode estar disponível em outra parte do EconPapers: Pesquise itens com o mesmo título. Exportar referência: BibTeX RIS (EndNote, ProCite, RefMan) HTML / Texto Mais artigos em Papers de arXiv. org Dados da série mantidos por administradores arXiv (). Este site faz parte do RePEc e todos os dados aqui apresentados fazem parte do conjunto de dados RePEc. Seu trabalho está faltando no RePEc Aqui está como contribuir. Perguntas ou problemas Verifique as perguntas frequentes do EconPapers ou envie um e-mail para. Cálculo eficiente de estratégias de negociação ótimas Dada a série de retorno para um conjunto de instrumentos, uma emph é uma função de comutação que transfere riqueza de um instrumento para outro em momentos específicos. Apresentamos algoritmos eficientes para a construção de estratégias de negociação (ex-post) que são ótimas em relação ao retorno total, a relação Sterling ea relação Sharpe. Essas estratégias ex-post ótimas são ferramentas de análise úteis. Eles podem ser usados ​​para analisar a quotprofitability de um mercado em termos de negociação ideal para desenvolver benchmarks contra o qual o comércio real pode ser comparado e, dentro de um quadro indutivo, o óptimo comércios pode ser usado para ensinar sistemas de aprendizagem (preditores) que são então Usadas para identificar futuras oportunidades comerciais. Se você tiver problemas ao fazer o download de um arquivo, verifique se você tem o aplicativo adequado para visualizá-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Por favor, seja paciente como os arquivos podem ser grandes. ArXiv. org gt cs gt arXiv: 1009.4683 Ciência da Computação Engenharia Computacional, Finanças e Ciência Título: Computação Eficiente das Estratégias de Negociação Óptimas (Apresentado em 23 de setembro de 2010) Um conjunto de instrumentos, um emph é uma função de comutação que transfere a riqueza de um instrumento para outro em momentos específicos. Apresentamos algoritmos eficientes para a construção de estratégias de negociação (ex-post) que são ótimas em relação ao retorno total, a relação Sterling ea relação Sharpe. Essas estratégias ex-post ótimas são ferramentas de análise úteis. Eles podem ser usados ​​para analisar a rentabilidade de um mercado em termos de negociação ideal para desenvolver benchmarks contra os quais o comércio real pode ser comparado e, dentro de um quadro indutivo, os negócios ideais podem ser usados ​​para ensinar sistemas de aprendizagem (preditores) que são então Usadas para identificar futuras oportunidades comerciais. RESUMO: Consideramos o problema da negociação ótima de um ativo na presença de custos de transação xed onde o preço do ativo satisfaz um SDE do formdSt dBth (Xt) dt onde Bt É um movimento browniano, h é uma função conhecida e Xt é uma Cadeia de Markov. Analisamos duas versões do problema, maximizando o ganho de longo prazo por unidade de tempo e maximizando uma forma de ganho descontado. É bem conhecido que a estratégia de negociação ideal para tal problema é a solução de um problema de limite livre que apresentamos uma derivação intuitiva, vendo o problema de negociação ideal como um par de problemas de parada otimizada simultânea. Também damos soluções explícitas para uma gama de exemplos e damos limites ao custo de transação acima do qual é ótima nunca comprar o ativo. Mostramos que no caso em que a Cadeia de Markov Xt é independente do movimento browniano e tem um espaço de estados nítido, este custo de transação crítico tem uma forma simples. RESUMO: Consideramos o problema da seleção da carteira, com custos de transação e restrições à exposição ao risco. Os custos de transação lineares, os limites na variância do retorno e os limites em diferentes probabilidades de déficit são tratados de forma eficiente por métodos de otimização convexos. Para tais problemas, a carteira globalmente ideal pode ser calculada muito rapidamente. Problemas de otimização de portfólio com custos de transação que incluem uma taxa fixa ou pontos de interrupção de desconto, não podem ser resolvidos diretamente pela otimização convexa. Descrevemos um método de relaxamento que produz um limite superior facilmente computable via otimização convexa. Também descrevemos um método heurístico para encontrar um portfólio subóptimo, que se baseia na resolução de um pequeno número de problemas de otimização convexa (e, portanto, pode ser feito de forma eficiente). Assim, nós produzimos uma solução subótima, e também um limite superior na solução ótima. Experiências numéricas sugerem que para problemas práticos a diferença entre os dois é pequena, mesmo para grandes problemas envolvendo centenas de ativos. A mesma abordagem pode ser usada para problemas relacionados, tais como o rastreamento de um índice com um portfólio composto por um pequeno número de ativos. Artigo em texto completo Mar 2007 Miguel Sousa Lobo Maryam Fazel Stephen Boyd Ver resumo em. Damos uma breve introdução aos algoritmos lineares por partes (PL), também chamados algoritmos complementares de pivô ou ponto fixo. Nossa abordagem é baseada na apresentação fundamental de Eaves 14, portanto, descrevemos os algoritmos no cenário geral de PL colectores. Em particular, introduzimos o método de homotopia PL de Eaves amp Saigal 16. A classe recentemente estabelecida de algoritmos de dimensão variável será apresentada. Usamos uma construção de cone particular para manipular o parâmetro de homotopia. Especial atenção é dada aos resultados da convergência. Os detalhes numéricos dos algoritmos só podem ser esboçados. Para uma apresentação mais detalhada de tais algoritmos e observações bibliográficas, referimo-nos a 4. I. Introdução 1 O primeiro e mais proeminente exemplo de um algoritmo PL foi desenhado por Lemke amp Howson 33 e Lemke 30 para calcular uma solução do problema de complementaridade linear. Este algoritmo desempenhou um papel crucial no desenvolvimento de algoritmos PL subsequentes. Complementar linear. O foco deste trabalho é o cálculo de estratégias eficientes para o comércio de commodities em um ambiente multimercado. Na economia global de hoje, as commodities são muitas vezes compradas em um local e depois vendidas (imediatamente, ou depois de algum período de armazenamento) em diferentes mercados. Assim, uma decisão de negociação em um local deve ser baseada em expectativas sobre curvas de preços futuros em todos os outros mercados relevantes e sobre os custos atuais e futuros de armazenagem e transporte. Os investidores tentam calcular uma estratégia que maximiza o retorno esperado, geralmente com algumas limitações no risco assumido. Com suposições estocásticas padrão sobre as uctuações de preço das commodities, a computação de uma estratégia ótima pode ser modelada como um processo de decisão de Markov (MDP). No entanto, em geral, tal formulação não conduz a algoritmos eficientes. Neste trabalho propomos um modelo para representar o problema do comércio multimercado e mostrar como obter algoritmos estruturados eficientes para a computação de estratégias ótimas para um número de funções de objetivo de negociação comumente utilizadas (VPL esperado, média de variação e valor em risco). Esta página é protegida por direitos autorais por AAAI. Todos os direitos reservados. O uso deste site constitui a aceitação de todos os termos e condições da AAAI e da política de privacidade.