Markowitz principles for multi-period portfolio selection problems with moments of any order
Notice bibliographique
Résumé
The multi-period portfolio selection problem is formulated as a Markowitz mean–variance optimization problem in terms of time-varying means, covariances and higher-order and intertemporal moments of the asset prices. The crux lies in expressing the number of shares of any particular asset to be transacted on any future trading date, which is a non-anticipative process, as a polynomial of the changes in the discounted prices of all the risky assets. This results in the expected return of the portfolio being dependent on not only the means of the asset prices, but also the higher-order and intertemporal moments, and its variance being dependent on not only the second-order moments, but also the higher-order and intertemporal moments. As illustrations, we study the portfolio selection problems including the discrete version of the Merton problem. It is shown numerically that the efficient frontier obtained from Markowitz's discrete multi-period formulation coincides with that from Merton's continuous-time formulation when the number of rebalancing periods is ‘large’. The effects of dynamic trading, in particular volatility pumping, in comparison with a static single-period model are measured by a non-dimensional number, Dyn( P ) ( P , number of trading periods), which quantifies the relative gain due to dynamic trading. It is sufficient to rebalance the portfolio a few times in order to get more than 95% of the gain due to continuous trading.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».