ブートストラップと機械学習によるシナリオベースのポートフォリオ最適化: テヘラン証券市場の理論開発と経験的証拠

科学分野:

• 定量金融 定量金融とは
• 機械学習 アプリケーション
• ポートフォリオの最適化

背景:

• 将来の資産のリターンを予測し,その不確実性を定量化することは,ポートフォリオの最適化における重要な,しかしながら困難な課題です.
• 伝統的な方法は,しばしば強力な分布的仮定または事前に定義された不確実性セットに依存し,その適用性を制限します.

研究 の 目的:

• ポートフォリオの最適化のための新しいハイブリッドアプローチを提案し,機械学習,ブートストラップ,シナリオの最適化を統合します.
• 利回り予測の精度を高め,利回り不確実性のモデリングを行う.

主な方法:

• 機械学習を利用してリターン予測と不確実性モデリングのためのブートストラップ.
• ブートストラップサンプルから複数のリターン軌道を生成し,それぞれをシナリオとして扱います.
• シナリオベースの平均偏差最適化を適用して,不確実性のあるポートフォリオを選択します.

主要な成果:

• テヘラン証券市場のデータに関する経験的検証は,従来の技術と比較して,ポートフォリオの優れたパフォーマンスを示しました.
• ハイブリッドモデルは,実際の市場価格と密接に一致する最適なポートフォリオを生み出します.
• 理論的分析により,シナリオ最適化問題は,効率的な解決策をもたらす凸なプログラムであることが確認されました.

結論:

• ブートストラピング,機械学習,シナリオ最適化の組み合わせは,古典的なポートフォリオ最適化方法の魅力的で柔軟な代替案を提供します.
• このアプローチは,制限的な分布仮定と事前に定義された不確実性セットを回避し,より高い強度を提供します.
• このフレームワークは,コンピューティング上処理可能であり,さまざまな機械学習とブートストラップ技術に適応し,大規模アプリケーションに適しています.