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:1605.00173

帮助 | 高级搜索

定量金融 > 投资组合管理

arXiv:1605.00173 (q-fin)
[提交于 2016年4月30日 ]

标题: 数学模型和技术分析策略的鲁棒性

标题: Robustness of mathematical models and technical analysis strategies

Authors:Ahmed Bel Hadj Ayed, Grégoire Loeper, Frédéric Abergel
摘要: 本文的目的是比较参数误设下的最优策略性能和一种技术分析交易策略的性能。 我们考虑的环境是一个随机资产价格模型,其中趋势遵循一个不可观测的奥恩斯坦-乌伦贝克过程。 对于这两种策略,我们提供了对数收益的渐近期望值,作为模型参数的函数。 最后,数值示例发现,使用交叉移动平均规则的投资策略比参数误设下的最优策略更具鲁棒性。
摘要: The aim of this paper is to compare the performances of the optimal strategy under parameters mis-specification and of a technical analysis trading strategy. The setting we consider is that of a stochastic asset price model where the trend follows an unobservable Ornstein-Uhlenbeck process. For both strategies, we provide the asymptotic expectation of the logarithmic return as a function of the model parameters. Finally, numerical examples find that an investment strategy using the cross moving averages rule is more robust than the optimal strategy under parameters mis-specification.
主题: 投资组合管理 (q-fin.PM) ; 数学金融 (q-fin.MF); 交易与市场微观结构 (q-fin.TR)
引用方式: arXiv:1605.00173 [q-fin.PM]
  (或者 arXiv:1605.00173v1 [q-fin.PM] 对于此版本)
  https://doi.org/10.48550/arXiv.1605.00173
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ahmed Bel Hadj Ayed [查看电子邮件]
[v1] 星期六, 2016 年 4 月 30 日 22:09:16 UTC (696 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.TR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-05
切换浏览方式为:
q-fin
q-fin.MF
q-fin.PM

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