Este trabajo pretende estudiar carteras estables con criterios de media-varianza-CVaR para datos de alta dimensión. Combinando diferentes estimadores de la matriz de covarianza, métodos computacionales de CVaR y métodos de regularización, construimos cinco problemas de optimización progresiva con ventas en corto permitidas. Se comparan los efectos de los distintos métodos en el rendimiento de las carteras fuera de muestra. Los resultados muestran que el modelo de optimización con un estimador de covarianza bien condicionado y disperso, el método computacional de regresión cuantil para CVaR y la norma L1 reponderada obtienen los mejores resultados, lo que sirve para estabilizar el rendimiento fuera de muestra de la solución y también fomenta una cartera dispersa.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Determinar la Relación de Desempeño de Entrada de Agua de un Pozo de Gas Productor Utilizando el Método de Optimización Multiobjetivo
Artículo:
Más sobre Propiedades de Cubrimiento Selectivo en Espacios Bitopológicos
Artículo:
Idealización de algunos conceptos topológicos
Artículo:
Espacios parabólicos de John-Nirenberg
Artículo:
Análisis y Control de Espigas Epileptiformes en una Clase de Modelos de Masas Neuronales
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.