It is well known that there are asymmetric dependence structures between financial returns. In this paper we use a new nonparametric measure of local dependence, the local Gaussian correlation, to improve portfolio allocation. We extend the classical mean-variance framework, and show that the portfolio optimization is straightforward using our new approach, only relying on a tuning parameter (the bandwidth). The new method is shown to outperform the equally weighted (1/N) portfolio and the classical Markowitz portfolio for monthly asset returns data.
翻译：众所周知,金融回报之间有不对称依赖结构。 在本文中,我们使用一种新的非参数性的地方依赖性衡量方法,即当地高斯的关联性,来改善投资组合的分配。 我们扩展了典型的中位变量框架,并表明投资组合的优化使用我们的新办法是直截了当的,只依赖于调频参数(带宽 ) 。 新的方法显示,月度资产回报数据比同等加权(1/N)投资组合和典型的马尔科维茨投资组合效果要好。
相关内容
ACM SIGACCESS Conference on Computers and Accessibility是为残疾人和老年人提供与计算机相关的设计、评估、使用和教育研究的首要论坛。我们欢迎提交原始的高质量的有关计算和可访问性的主题。今年，ASSETS首次将其范围扩大到包括关于计算机无障碍教育相关主题的原创高质量研究。官网链接：http://assets19.sigaccess.org/
Arxiv
0+阅读 · 2021年12月10日
Arxiv
0+阅读 · 2021年12月8日
Arxiv
0+阅读 · 2021年12月8日
Arxiv
0+阅读 · 2021年12月7日
Arxiv
3+阅读 · 2018年3月17日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2021年12月10日
Arxiv
0+阅读 · 2021年12月8日
Arxiv
0+阅读 · 2021年12月8日
Arxiv
0+阅读 · 2021年12月7日
Arxiv
3+阅读 · 2018年3月17日
微信扫码咨询专知VIP会员