Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:1502.02968

帮助 | 高级搜索

定量金融 > 投资组合管理

arXiv:1502.02968 (q-fin)
[提交于 2015年2月10日 ]

标题: HARA投资者的学习与投资组合决策

标题: Learning and Portfolio Decisions for HARA Investors

Authors:Michele Longo, Alessandra Mainini
摘要: 我们最大化当风险价格为不可观测随机变量时,HARA投资者的终端财富期望效用。 我们显式计算最优投资组合,并通过与相应的短视策略进行比较来探讨学习的影响。 特别是,我们证明了对于符号恒定的风险价格,部分观测下的投资组合与其短视对应值之间的比率随着风险容忍度的增加而增加。 因此,如果投资者比对数投资者更具(更不)风险容忍度,部分观测情况下的绝对值大于(小于)短视情况下的绝对值。 此外,我们的显式计算使我们能够详细研究由关于风险价格的学习引起的所谓对冲需求。
摘要: We maximize the expected utility from terminal wealth for an HARA investor when the market price of risk is an unobservable random variable. We compute the optimal portfolio explicitly and explore the effects of learning by comparing it with the corresponding myopic policy. In particular, we show that, for a market price of risk constant in sign, the ratio between the portfolio under partial observation and its myopic counterpart increases with respect to risk tolerance. As a consequence, the absolute value of the partial observation case is larger (smaller) than the myopic one if the investor is more (less) risk tolerant than the logarithmic investor. Moreover, our explicit computations enable to study in details the so called hedging demand induced by learning about market price of risk.
主题: 投资组合管理 (q-fin.PM)
MSC 类: 93E20
引用方式: arXiv:1502.02968 [q-fin.PM]
  (或者 arXiv:1502.02968v1 [q-fin.PM] 对于此版本)
  https://doi.org/10.48550/arXiv.1502.02968
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Michele Longo Ph.D. [查看电子邮件]
[v1] 星期二, 2015 年 2 月 10 日 16:22:23 UTC (17 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-fin.PM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2015-02
切换浏览方式为:
q-fin

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号