Computação eficiente de estratégias de negociação óptimas Victor Boyarshinov e Malik Magdon-Ismail Resumo: Dada a série de retorno para um conjunto de instrumentos, a emph é uma função de comutação que transfere riqueza de um instrumento para outro em horários especificados. Apresentamos algoritmos eficientes para a construção de estratégias de negociação (ex-post) que são ótimas em relação ao retorno total, a relação Sterling e a relação Sharpe. Essas estratégias ótimas ex post 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 Usado para identificar futuras oportunidades de negociação. Trabalhos relacionados: este item pode estar disponível em outros lugares no EconPapers: procure itens com o mesmo título. Referência de exportação: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Mais artigos em Papers de arXiv. org Dados da série mantidos por arXiv administrator (). Este site faz parte do RePEc e todos os dados exibidos aqui fazem parte do conjunto de dados RePEc. O 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 uma computação eficiente de estratégias de negociação óptimas. Dada a série de retorno para um conjunto de instrumentos, a emph é uma função de comutação que transfere riqueza de um instrumento para outro em horários especificados. Apresentamos algoritmos eficientes para a construção de estratégias de negociação (ex-post) que são ótimas em relação ao retorno total, a relação Sterling e a relação Sharpe. Essas estratégias ótimas ex post são ferramentas de análise úteis. Eles podem ser usados para analisar a quotprofitability de um marketquot 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 Usado para identificar futuras oportunidades de negociação. Se você tiver problemas ao fazer o download de um arquivo, verifique se você possui o aplicativo apropriado para vê-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Seja paciente porque os arquivos podem ser grandes. Cálculo eficiente de estratégias de negociação óptimas. Resumo abstrato. Resumo: Consideramos o problema da negociação ideal de um ativo na presença de custos de transação xed, onde o preço do imobilizado satisfaz um SDE do formulário. DBth (Xt) dt onde Bt é um movimento browniano, h é uma função conhecida e Xt é uma Cadeia de Markov. Observamos duas versões do problema, maximizando o ganho de longo prazo por unidade de tempo e maximizando uma forma de ganho com desconto. É bem sabido que a estratégia de negociação ideal para esse problema é a solução de um problema de limite livre, apresentamos uma derivação intuitiva ao visualizar o problema de negociação ideal como um par de problemas de parada ótimos simultâneos. Nós também fornecemos soluções explícitas para uma variedade de exemplos e damos limites ao custo de transação acima do qual é ótimo nunca comprar o recurso. Mostramos que no caso em que a Markov Chain Xt é independente do movimento browniano e tem um espaço de estados nite, esse custo crítico de transação tem uma forma simples. Artigo Jan 2002 Análise de Anais de Operações G. W. P. Thompson Resumo do resumo RESUMO: Consideramos o problema da seleção de portfólio, com custos de transação e restrições à exposição ao risco. Os custos de transação linear, os limites na variação do retorno e os limites nas diferentes probabilidades de déficit são gerenciados de forma eficiente por métodos de otimização convexos. Para esses problemas, o portfólio globalmente ótimo pode ser calculado muito rapidamente. Os problemas de otimização de portfólio com custos de transação que incluem uma taxa fixa ou pontos de desconto de desconto não podem ser resolvidos diretamente pela otimização convexa. Descrevemos um método de relaxamento que produz um limite superior facilmente calculável através de otimização convexa. Descrevemos também um método heurístico para encontrar um portfólio subóptimo, que se baseia na resolução de um pequeno número de problemas de otimização convexos (e, portanto, pode ser feito de forma eficiente). Assim, produzimos uma solução subóptima e também um limite superior na solução ideal. Experimentos numéricos 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, como o de rastrear um índice com um portfólio que consiste em um pequeno número de ativos. Texto completo Artigo Mar 2007 Miguel Sousa Lobo Maryam Fazel Stephen Boyd Mostrar resumo Ocultar abstract RESUMO:. Damos uma breve introdução aos algoritmos lineares por partes (PL), também denominados algoritmos complementares de pivô ou ponto fixo. Nossa abordagem é baseada na apresentação fundamental do Eaves 14, portanto, descrevemos os algoritmos na configuração geral de colectores PL. Em particular, apresentamos o método de homotopia PL do amplificador Eaves Saigal 16. A classe de algoritmos de dimensão variável recentemente estabelecida será apresentada. Utilizamos uma construção específica de cone para manipular o parâmetro homotopy. É dada especial atenção aos resultados da convergência. Os detalhes numéricos dos algoritmos só podem ser esboçados. Para uma apresentação mais detalhada de tais algoritmos e observações bibliográficas, nos referimos a 4. I. Introdução 1 O primeiro e mais proeminente exemplo de um algoritmo PL foi projetado pelo 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 subseqüentes. Complemento linear. Artigo agosto 1998 Pesquisa de Anais de Operações Kurt Georg
No comments:
Post a Comment