• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >Cost-Sensitive Estimation of ARMA Models for Financial Asset Return Data
【24h】

Cost-Sensitive Estimation of ARMA Models for Financial Asset Return Data

机译：金融资产收益数据的ARMA模型的成本敏感估计

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

The autoregressive moving average (ARMA) model is a simple but powerful model in financial engineering to represent time-series with long-range statistical dependency. However, the traditional maximum likelihood (ML) estimator aims to minimize a loss function that is inherently symmetric due to Gaussianity. The consequence is that when the data of interest are asset returns, and the main goal is to maximize profit by accurate forecasting, the ML objective may be less appropriate potentially leading to a suboptimal solution. Rather, it is more reasonable to adopt an asymmetric loss where the model's prediction, as long as it is in the same direction as the true return, is penalized less than the prediction in the opposite direction. We propose a quite sensible asymmetric cost-sensitive loss function and incorporate it into the ARMA model estimation. On the online portfolio selection problem with real stock return data, we demonstrate that the investment strategy based on predictions by the proposed estimator can be significantly more profitable than the traditional ML estimator.
机译：自回归移动平均值（ARMA）模型是金融工程中一个简单但功能强大的模型，用于表示具有长期统计依赖性的时间序列。但是，传统的最大似然（ML）估计器旨在最小化由于高斯性固有对称的损失函数。结果是，当感兴趣的数据是资产收益，并且主要目标是通过准确的预测来最大化利润时，ML目标可能不太合适，可能导致次优解决方案。相反，采用非对称损失是更合理的，其中模型的预测（与真实回报在同一方向上）的损失要小于在相反方向上的预测。我们提出了一个非常合理的不对称成本敏感损失函数，并将其纳入ARMA模型估计。关于具有实际股票收益数据的在线投资组合选择问题，我们证明了基于拟议估算器的预测的投资策略可以比传统的ML估算器显着提高盈利。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2015年第19期|232184.1-232184.8|共8页
  • 作者

    Kim Minyoung;

  • 作者单位

    Seoul Natl Univ Sci & Technol, Dept Elect & IT Media Engn, Seoul 139743, South Korea.;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

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