...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IAENG Internaitonal journal of computer science >Portfolio Optimization based on Risk Measures and Ensemble Empirical Mode Decomposition
【24h】

Portfolio Optimization based on Risk Measures and Ensemble Empirical Mode Decomposition

机译：基于风险测度和集合经验模式分解的资产组合优化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study proposes a novel way to improve investors' total return rate of portfolio optimization by de-noising the data using Ensemble Empirical Mode Decomposition (EEMD). Firstly, the authors briefly introduce risk measure theory and EEMD methodology. Then, empirically demonstrating that the de-noising technique using EEMD surely has some efficient impact on the portfolio, and the cumulative return rate of the portfolio when the objective function is CVaR with the data de-noised 3 Intrinsic Mode Functions (IMFs) is the highest one. It indicates that the impact of de-noising the data using EEMD is much more significant on the portfolio when the objective functions have less powerful risk discrimination, and vice versa.
机译：这项研究提出了一种新颖的方法，即通过使用Ensemble Empirical Mode Decomposition（EEMD）对数据进行消噪，从而提高投资组合优化的总回报率。首先，作者简要介绍了风险度量理论和EEMD方法论。然后，凭经验证明使用EEMD的降噪技术无疑会对投资组合产生一定的有效影响，而当目标函数为CVaR且数据经过降噪后，投资组合的累积收益率就是3个固有模式函数（IMF）。最高的。它表明，当目标函数的风险判别能力较弱时，使用EEMD对数据进行消噪的影响对投资组合的影响更大，反之亦然。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号