전통적인 마코위츠 포트폴리오 최적화는 단일 시간 척도에서의 변동성만 고려하는 한계를 극복하기 위해, 다양한 시간 척도에서의 변동성을 고려하여 위험을 효과적으로 관리하고 시장 상황에 따라 적응하는 멀티스케일 포트폴리오 최적화 방법론을 제시한다.
본 논문에서는 실제 금융 시장 데이터의 구조적 특징을 활용하여 대규모 포트폴리오 최적화 문제를 효율적으로 해결하는 분해 파이프라인을 제시하고, 이를 통해 단기 양자 컴퓨팅 기술 적용 가능성을 제시합니다.
거래 비용이 있는 경우 단일 자산 포트폴리오를 최적화하기 위해서는 자동 상관 관계가 없는 원시 신호를 사용하고 적절한 무거래 구역 임계값을 설정하는 것이 로컬에서 최적의 방법입니다.
본 논문에서는 변분 베이즈 프레임워크를 사용하여 효율적이고 확장 가능한 포트폴리오 구성 방법론을 제안하며, 이는 기존 방법론보다 빠르고 효율적일 뿐만 아니라 실제 금융 데이터에서도 우수한 성능을 보여줍니다.
본 논문에서는 시장 지수를 능가하는 동시에 뚜렷한 시장 부문에 투자된 포트폴리오의 비율을 고려하도록 설계된 포트폴리오를 구성하기 위해 자산 부분집합(부문) 제약 조건이 있는 강화된 인덱싱 문제에 2차 확률적 우위(SSD)를 적용합니다.
본 논문에서는 최소 분산 포트폴리오를 재현할 수 있는 새로운 상향식 할당 체계인 슈어 상보적 할당(HMV)을 제시하며, 이를 통해 최적화 기반 포트폴리오 구성과 계층적 위험균형(HRP) 접근 방식 간의 수학적 연결을 밝힙니다.
본 논문에서는 주식의 산발적인 파산 가능성을 고려하여 Merton의 최적 포트폴리오 문제를 재검토하고, 유한 만기 시점에서 예상되는 거듭제곱 효용을 최적화하기 위한 주식과 현금 간의 최적 자산 배분 전략을 제시합니다.
본 논문에서는 불확실한 수익 분포와 일반적인 볼록 거래 비용 모델을 고려하여 비용 민감 분포 강건 로그-최적 포트폴리오 문제에 대한 새로운 접근 방식을 제시합니다.
본 논문에서는 개인이 소비, 사망 보험금 및 최종 자산을 극대화하기 위해 주식, 채권 및 생명 보험으로 구성된 포트폴리오를 관리하는 일반화된 생애주기 모델에서 제약 조건이 있는 포트폴리오 최적화 문제를 다룹니다. 특히, 거래 제약이 있는 경우 개인이 생명 보험에 대한 수요를 줄인다는 것을 발견했습니다.
본 논문에서는 데이터 부족 환경에서 기존 피어슨 상관 계수 대비 켄달 상관 계수를 활용한 포트폴리오 최적화 기법의 우수한 성능을 실험적으로 보여줍니다.