要約
私たちは、資産配分方法を評価し、債券ユニバース内でポートフォリオを構築するために調整された合成データセットを生成するための新しいプロセスを紹介します。
私たちのアプローチは、CorrGAN モデルを強化して合成相関行列を生成することから始まります。
続いて、与えられた相関行列を条件として追加データをサンプリングするエンコーダー デコーダー モデルを提案します。
結果として得られる合成データセットにより、多様な資産ユニバースにわたる資産配分方法の詳細な分析が容易になります。
さらに、シミュレーションベースの資産配分プロセス内で構築されたポートフォリオを改善するための合成データセットの使用を例示するケーススタディを提供します。
要約(オリジナル)
We present a novel process for generating synthetic datasets tailored to assess asset allocation methods and construct portfolios within the fixed income universe. Our approach begins by enhancing the CorrGAN model to generate synthetic correlation matrices. Subsequently, we propose an Encoder-Decoder model that samples additional data conditioned on a given correlation matrix. The resulting synthetic dataset facilitates in-depth analyses of asset allocation methods across diverse asset universes. Additionally, we provide a case study that exemplifies the use of the synthetic dataset to improve portfolios constructed within a simulation-based asset allocation process.
arxiv情報
| 著者 | Szymon Kubiak,Tillman Weyde,Oleksandr Galkin,Dan Philps,Ram Gopal |
| 発行日 | 2023-11-27 16:55:04+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google