权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Bayesian Portfolio Regularization

贝叶斯投资组合正则化

基本信息

批准号：
321011636
负责人：
Professor Dr. Winfried Franz Xaver Pohlmeier
金额：
--
依托单位：
Lehrstuhl für Volkswirtschaftslehre, insbesondere Ökonometrie
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2016
资助国家：
德国
起止时间：
2015-12-31 至 2018-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/321011636?language=en
关键词：
Bayesian Portfolio Regularization

项目摘要

Stylized facts on the performance of portfolio models indicate that the empirical counterparts of theoretically optimal portfolio strategies show a very poor performance compared to approaches based on simpler and theoretically inferior strategies. The goal of the proposed research project is to develop a new class of Bayesian regularization strategies to achieve robust and high-performing portfolio models. The Bayesian approach applied directly to the estimation of the portfolio weights provides a unifying framework for a large range of different regularization strategies as well as for model selection and evaluation.Besides the theoretical contributions the project will also provide empirical evidence on the quality of the proposed new strategies for a variety of assets and markets. Special attention will be given to estimation strategies in high-dimensional settings.

风格化的事实上的投资组合模型的性能表明，理论上最优的投资组合策略的实证表现非常差的方法相比，基于简单的和理论上低劣的策略。该研究项目的目标是开发一类新的贝叶斯正则化策略，以实现鲁棒和高性能的投资组合模型。贝叶斯方法直接应用于投资组合权重的估计，为大量不同的正则化策略以及模型选择和评估提供了一个统一的框架，除了理论贡献外，该项目还将为各种资产和市场提供新策略的质量方面的经验证据。将特别注意在高维设置的估计策略。

项目成果

期刊论文数量（4）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Bayesian Shrinkage of Portfolio Weights

投资组合权重的贝叶斯收缩

DOI：
10.2139/ssrn.2730475
发表时间：
期刊：
Econometrics: Econometric & Statistical Methods - General eJournal
影响因子：
0
作者：
Christoph;Pohlmeier;Winfried
通讯作者：
Winfried

Valid inference for treatment effect parameters under irregular identification and many extreme propensity scores

不规则识别和多种极端倾向评分下治疗效果参数的有效推断

DOI：
10.1016/j.jeconom.2020.03.025
发表时间：
2020
期刊：
Journal of Econometrics
影响因子：
6.3
作者：
Heiler
通讯作者：
Heiler

Widened Learning of Index Tracking Portfolios

指数跟踪投资组合的拓宽学习

DOI：
10.1109/icmla.2019.00291
发表时间：
2019
期刊：
2019 18th IEEE International Conference On Machine Learning And Applications (ICMLA)
影响因子：
0
作者：
Gavriushina;Sampson;Berthold;Pohlmeier;Borgelt
通讯作者：
Borgelt

The CAPM with Measurement Error: ‘There’s life in the old dog yet!’

带有测量误差的 CAPM：“老狗还活着！”