基于贝叶斯稀疏建模和不确定性量化的指数追踪投资组合构建与再平衡

Paper#Finance, Portfolio Optimization, Bayesian Methods🔬 Research|分析: 2026年1月3日 20:10•
发布: 2025年12月26日 18:46
•
1分で読める
•ArXiv

分析

本文探讨了构建和再平衡指数追踪投资组合的实际挑战，重点关注不确定性量化和可实施性。它使用贝叶斯方法，并采用稀疏诱导先验来控制投资组合规模和换手率，这对于实际应用至关重要。使用马尔可夫链蒙特卡罗 (MCMC) 方法进行不确定性量化，并根据后验样本制定再平衡规则是重要贡献。关于标准普尔 500 指数的案例研究提供了实际验证。
引用 / 来源
查看原文
"The paper proposes rules for rebalancing that gate trades through magnitude-based thresholds and posterior activation probabilities, thereby trading off expected tracking error against turnover and portfolio size."
A
ArXiv2025年12月26日 18:46
* 根据版权法第32条进行合法引用。
较旧

The Lepton-Gluon Portal Beyond Lepto-Gluons

较新

Keffer-like form of the symmetric Heisenberg exchange integral: Contribution to the Landau--Lifshitz--Gilbert equation and spin wave dispersion dependence

相关分析

Paper

从未对齐图像即时进行3D场景编辑

2026年1月3日 06:10

Paper

基于选择策略的协调人形机器人操作

2026年1月3日 06:10

Paper

用于未来预测的LLM预测

2026年1月3日 06:10

来源: ArXiv