Python深度强化学习对冲策略:衍生品投资组合套期保值Black-Scholes、Heston模型分析
本文提出了一个在存在交易成本、市场冲击、流动性约束或风险限制等市场摩擦的情况下,使用现代深度强化学习方法对衍生品投资组合进行套期保值的框架。
本文提出了一个在存在交易成本、市场冲击、流动性约束或风险限制等市场摩擦的情况下,使用现代深度强化学习方法对衍生品投资组合进行套期保值的框架。
证券及其它风险资产的投资首先需要解决的是两个核心问题:即预期收益与风险。
基于当前统计的股票数据选择最优的选股方案和投资组合方案,以及预测股票价格未来一段时间的走向趋势以及波动程度,具有很大的实用价值
最近我们被客户要求撰写关于投资组合的研究报告,引入Copula来描述多只股票间的非线性相关性,构建多元GARCH-EVT-Copula模型来度量开放式基金的风险,并与其他VaR估计方法的预测结果进行比较。
在这篇文章中,我想介绍 现代 投 资组合理论 (MPT)_、 _有效边界 以及它对投资组合构建的一些影响。
FF 模型通过回归除市场收益之外的几个变量的投资组合收益来扩展 CAPM。
在这项工作中,我通过创建一个包含四只基金的模型来探索 copula,这些基金跟踪股票、债券、美元和商品的市场指数。
Beta 假设反映了一种工具对例如市场的风险。但是,您可以通过各种方式估算此度量。
本文用 R 编程语言极值理论 (EVT) 以确定 10 只股票指数的风险价值(和条件 VaR)。
VaR是 “风险价值 “的缩写,是许多公司和银行用来确定其公司内部金融风险水平的工具。风险值是为公司的投资而计算的,也可能是为检查银行或公司所管理的投资组合的风险水平。
本文将介绍R中可用于投资组合优化的不同求解器。
Python计算获得多资产投资组合的风险度量。
相信大家都听说过股票和债券的多元化投资组合。
本文将说明金融数学中的R 语言优化投资组合,因子模型的实现和使用。
动量和马科维茨投资组合模型使 均值方差优化 组合成为可行的解决方案。
在之前的课堂上,我们已经看到了如何可视化多元回归模型(带有两个连续的解释变量)。
我今年的研究课题是使用粒子群优化(PSO)的货币进行交易组合优化。
此示例演示了使用具有胖尾边缘分布的多变量copula模拟计算投资组合的风险价值和条件风险值(预期缺口)。
永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。
技术干货
最新洞察
This will close in 0 seconds