본 논문에서는 GNN을 사용하여 거래 비용을 예측하고 다익스트라 알고리즘을 통해 비용 효율적인 리밸런싱 경로를 식별하여 포트폴리오 리밸런싱을 최적화하는 새로운 하이브리드 모델을 제시합니다.
본 논문에서는 시시각각 변화하는 금융 시장 환경에 적응력이 뛰어난 새로운 비정상 밴딧 알고리즘인 ADTS와 이를 활용한 밴딧 네트워크를 제시하고, 실제 주식 데이터를 이용하여 그 성능을 검증했습니다.
본 논문은 수익률이 쌍곡선 분포를 따르고 투자자가 오목 효용 함수를 가지는 경우, 투자자의 최적 포트폴리오가 항상 위험 자산 포트폴리오와 무위험 자산의 선형 결합으로 표현됨을 증명합니다.
본 논문에서는 위험과 수익률을 모두 고려한 투자 포트폴리오 선택 전략을 제시하고, 마코위츠 모델과 평균-세미 변동성 모델을 포함한 다양한 포트폴리오 선택 모델의 실제 적용 방법을 살펴봅니다. 또한, 현실적인 시나리오를 반영하여 거래 비용 및 정수 제약 조건을 고려한 포트폴리오 최적화 방법과 유전 알고리즘을 이용한 포트폴리오 선택 최적화 방법을 소개합니다.