MétaCan
Menu
Retour à la cohorte
Enregistrement W4383040765 · doi:10.1142/s0219024923500115

BEATING A CONSTANT WEIGHT BENCHMARK: EASIER DONE THAN SAID

2023· article· en· W4383040765 sur OpenAlexafffund
Peter Forsyth, Pieter M. van Staden, Yuying Li

Notice bibliographique

RevueInternational Journal of Theoretical and Applied Finance · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésConstant (computer programming)Benchmark (surveying)Mathematical economicsComputer scienceEconomicsMathematicsEconometricsGeologyGeodesy

Résumé

récupéré en direct d'OpenAlex

We determine a simple dynamic benchmark for asset allocation by solving an optimal stochastic control problem for outperforming the traditional constant proportion benchmark. An objective function based on a time averaged quadratic deviation from an elevated benchmark is proposed. We argue that this objective function combines the best features of tracking error and tracking difference. Assuming parametric models of the stock and bond processes, a closed form solution for the optimal control is obtained. The closed form optimal control is then clipped to prevent use of excessive leverage, and to prevent trading if insolvent. Monte Carlo computations using this clipped control are presented which show that for modest levels of outperformance (i.e. 80–170[Formula: see text]bps per year), this easily implementable strategy outperforms the traditional constant proportion benchmark with high probability. We advocate this clipped optimal strategy as a suitable benchmark for active asset allocation.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,597
Score d'incertitude au seuil0,463

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,226
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Theoretical and Applied FinanceMême sujetStochastic processes and financial applicationsTravaux en français237 207