• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The Manchester school >MEAN-VARIANCE VERSUS FULL-SCALE OPTIMIZATION: BROAD EVIDENCE FOR THE UK
【24h】

MEAN-VARIANCE VERSUS FULL-SCALE OPTIMIZATION: BROAD EVIDENCE FOR THE UK

机译：均方差与全面优化：英国的广泛证据

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

Portfolio choice by full-scale optimization applies the empirical return distribution to a parameterized utility function, and the maximum is found through numerical optimization. Using a portfolio choice setting of three UK equity indices we identify several utility functions featuring loss aversion and prospect theory, under which full-scale optimization is a substantially better approach than the mean-variance approach. As the equity indices have return distributions with small deviations from normality, the findings indicate much broader usefulness of full-scale optimization than has earlier been shown. The results hold in- and out-of-sample, and the performance improvements are given in terms of utility as well as certainty equivalents.
机译：通过全面优化选择投资组合，将经验回报分配应用于参数化效用函数，并通过数值优化找到最大值。通过使用三个英国股票指数的投资组合选择设置，我们确定了一些具有损失厌恶和前景理论的效用函数，在这种函数下，全面优化是一种优于均值方差方法的更好方法。由于股票指数的收益分布与正常值之间的偏差很小，因此研究结果表明，全面规模优化的实用性比以前显示的要广泛得多。结果在样本内和样本外进行，并且在效用和确定性等价方面给出了性能改进。

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