.png){kind=icon}
返回
Using Deep Learning Conditional Value-at-Risk Based Utility Function in Cryptocurrency Portfolio Optimisation
.png){kind=icon}
OA
AI
DOI：10.1002/ijfe.70012.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
与加密货币资产相关的一个关键风险是所谓的下行风险，或尾部风险。条件风险价值（CVaR）是一种衡量尾部风险的指标，通常不被考虑在加密货币投资组合的构建中。本文提出了一种基于深度学习CVaR效用函数的投资组合构建新方法。该方法旨在解决尾部风险问题。我们通过与其他投资组合构建技术（包括简单投资组合、最小方差投资组合和均值-方差投资组合）的比较，评估了该方法的性能。我们的研究结果表明，所提出的方法优于传统的优化模型。
Keyword:
asset allocation
conditional value-at-risk
cryptocurrency
deep learning
long short-term memory model
期刊
I
IF:
2.8
论文数:
227
被引数:
4.5K
机构
引用论文
.png){kind=icon}
分享收藏Portfolio optimization with return prediction using deep learning and machine learning使用深度学习和机器学习进行收益预测的投资组合优化
PREAI
分享收藏Method of Dynamic VaR and CVaR Risk Measures Forecasting for Long Range Dependent Time Series on the Base of the Heteroscedastic Model基于异方差模型的长记忆时间序列动态VaR和CVaR风险测度预测方法
PREAI
分享收藏
查看更多内容