دانلود مقاله ISI انگلیسی شماره 111170
ترجمه فارسی عنوان مقاله

سیستم تجاری نمونه کارها تطبیقی: یک بهینه سازی سبد سهام با استفاده از خطر بازگشت تقویت عود یادگیری با حداکثر افت سرمایه انتظار می رود

عنوان انگلیسی
An adaptive portfolio trading system: A risk-return portfolio optimization using recurrent reinforcement learning with expected maximum drawdown
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
111170 2017 42 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 10659 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 17 روز بعد از پرداخت 191,862 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 383,724 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 87, 30 November 2017, Pages 267-279

ترجمه کلمات کلیدی
یادگیری تقویتی مجدد، حداکثر تخلیه مورد انتظار، بهینه بازنشستگی نمونه کارها، خطر ضعف
کلمات کلیدی انگلیسی
Recurrent reinforcement learning; Expected maximum drawdown; Optimal portfolio rebalancing; Downside risk;
پیش نمایش مقاله
پیش نمایش مقاله سیستم تجاری نمونه کارها تطبیقی: یک بهینه سازی سبد سهام با استفاده از خطر بازگشت تقویت عود یادگیری با حداکثر افت سرمایه انتظار می رود

چکیده انگلیسی

Dynamic control theory has long been used in solving optimal asset allocation problems, and a number of trading decision systems based on reinforcement learning methods have been applied in asset allocation and portfolio rebalancing. In this paper, we extend the existing work in recurrent reinforcement learning (RRL) and build an optimal variable weight portfolio allocation under a coherent downside risk measure, the expected maximum drawdown, E(MDD). In particular, we propose a recurrent reinforcement learning method, with a coherent risk adjusted performance objective function, the Calmar ratio, to obtain both buy and sell signals and asset allocation weights. Using a portfolio consisting of the most frequently traded exchange-traded funds, we show that the expected maximum drawdown risk based objective function yields superior return performance compared to previously proposed RRL objective functions (i.e. the Sharpe ratio and the Sterling ratio), and that variable weight RRL long/short portfolios outperform equal weight RRL long/short portfolios under different transaction cost scenarios. We further propose an adaptive E(MDD) risk based RRL portfolio rebalancing decision system with a transaction cost and market condition stop-loss retraining mechanism, and we show that the proposed portfolio trading system responds to transaction cost effects better and outperforms hedge fund benchmarks consistently.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 10659 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 17 روز بعد از پرداخت 191,862 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 383,724 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.