Optimal execution under jump models for uncertain price impact
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT In the execution cost problem, an investor wants to minimize the total expected cost and risk in the execution of a portfolio of risky assets in order to achieve desired positions. A major source of the execution cost is the price impact of both the investor's own trades and other concurrent institutional trades. Indeed, the price impact of large trades has been considered to be of the main reasons for fat tails of the short-term return's probability distribution function. However, current models in the literature on the execution cost problem typically assume normal distributions. This assumption fails to capture the characteristics of tail distributions due to institutional trades. In this paper we argue that compound jump-diffusion processes naturally model uncertain price impacts of other large trades. This jump diffusion model includes two compound Poisson processes where random jump amplitudes capture uncertain permanent price impacts of other large buy and sell trades. Using stochastic dynamic programming, we derive analytical solutions for minimizing the expected execution cost under discrete jump-diffusion models. Our results indicate that, when the expected market price change is nonzero, likely due to large trades, assumptions on the market price model and values of mean and covariance of the market price change can have a significant impact on the optimal execution strategy. Using simulations, we computationally illustrate minimum CVaR execution strategies under different models. Furthermore, we analyze qualitative and quantitative differences of the expected execution cost and risk between optimal execution strategies, determined under a multiplicative jump-diffusion model and an additive jump-diffusion model.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle