本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明予測器間の分散化：横断面リターン予測のための異種アンサンブル学習
要約本論文は株式の横断面リターン予測を扱い、線形予測器と非線形予測器を組み合わせるバギングによる異種アンサンブル手法を提案しています。各モデルの予測誤差の共分散が小さいことで集約時に誤差が相殺されるという仕組みを、バイアス・バリアンス・共分散分解により説明しています。CSI300の日次Alpha158ファクターデータセットでは、単独のニューラルネットワークに比べてRank ICが13%以上向上し、XGBoostやDouble Ensembleなどの木ベース手法を予測精度とポートフォリオ評価の両面で上回ったと報告されています。
説明多様なリスク認識に基づくリスク指標とポートフォリオ選択
要約本論文は、単一の確率モデルへの依存を減らすため、資産とリスクモデルの両方を分散させる「多様なリスク認識（DRP）」フレームワークを提案しています。具体例としてDRP期待ショートフォール（DRP-ES）を取り上げ、その理論的性質とモデルパラメータへの感度の上限を導出しています。米国、中国A株、韓国株式市場での実証では、DRP-ESに基づく戦略が各期間でシャープレシオを高め、最大ドローダウンを低く抑えたと報告されています。
説明ラフHeston特性指数の記憶核に対する随伴核感度
要約本論文は、ラフボラティリティモデルのHeston特性指数について、パラメータと分散曲線を固定したまま、記憶核に対する一次感度の随伴表現を導出している。後退線形Volterra方程式から得られる連続な感度核を用いて、核摂動に関するFréchet微分を表現し、構造的核クラスでは方向微分可能性と二次剰余項をもつ一次展開を示す。多因子近似に関する数値実験も含まれる。