Probabilistic-programming-and-bayesian-methods-for-hackers: Capítulo 6: Función de pérdida de optimización de varianza media

Creado en 18 sept. 2015  ·  8Comentarios  ·  Fuente: CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers

Hola Cam,

¿Podría explicar cómo usar (o hacer referencia a una fuente) esta función de pérdida:

screenshot from 2015-09-18 12 24 13

Supongo que la función de pérdida intenta minimizar los pesos de la cartera para las 4 acciones (lo que se puede hacer usando scipy optimizar, etc.), pero no estoy seguro de cuál es el parámetro lambda.

¡Gracias!

Comentario más útil

OK, arreglo hecho:

https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/pull/347 para dos portátiles.

Para que conste, otra buena referencia, de William Sharpe:
https://web.stanford.edu/~wfsharpe/mia/opt/mia_opt3.htm --
y estaré haciendo un tutorial en https://git.io/fecon235
en lo que respecta a las carteras de Boltzmann.

Todos 8 comentarios

@Anjum48 ¿Qué capítulo es este?
¿@CamDavidsonPilon lambda parece el parámetro de regularización?

la función de pérdida intenta minimizar los pesos de la cartera para las 4 acciones

Esto se resuelve de manera trivial al establecerlos todos en infinito negativo, por lo que no creo que haya querido decir eso. Son dos fuerzas que se contrarrestan: cuanto mayores son los pesos, mayor es el primer término (retorno), pero también mayor es la varianza (segundo término).

El parámetro lambda es un parámetro especificado por el usuario que es una compensación entre maximizar el rendimiento (el primer término) y el segundo término (la varianza de la cartera). No es un regularizador en el sentido de regresión tradicional, pero es análogo.

Esta es una fórmula bastante común en finanzas: es el lagrangiano de un problema cuadrático: http://www.actuaries.org/AFIR/Colloquia/Rome2/Cesarone_Scozzari_Tardella.pdf

@camdavidsonpilon
No entiendo que el optimizador use min , quiero decir, deberías querer maximizar tu retorno y
ser sancionado con la varianza. Por lo tanto, debe usar max o agregar un signo negativo en lugar de usar min .

La lambda 𝛌 a menudo se denomina ( por ejemplo, aquí ) como el parámetro de "aversión al riesgo", la compensación que menciona @CamDavidsonPilon .

Si lambda 𝛌 = 1, entonces la función objetivo se aproxima a la cartera
rendimiento medio geométrico , y eso es algo que uno debería maximizar
con respecto a los pesos (que por construcción deben sumar 1).

Definitivamente parece que falta un signo menos.

Sí, debería ser max 👍

OK, arreglo hecho:

https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/pull/347 para dos portátiles.

Para que conste, otra buena referencia, de William Sharpe:
https://web.stanford.edu/~wfsharpe/mia/opt/mia_opt3.htm --
y estaré haciendo un tutorial en https://git.io/fecon235
en lo que respecta a las carteras de Boltzmann.

¿Fue útil esta página
0 / 5 - 0 calificaciones