Advanced Portfolio Optimization (eBook)
XV, 503 Seiten
Springer-Verlag
978-3-031-84304-4 (ISBN)
This book is an innovative and comprehensive guide that provides readers with the knowledge about the latest trends, models and algorithms used to build investment portfolios and the practical skills necessary to apply them in their own investment strategies. It integrates latest advanced quantitative techniques into portfolio optimization, raises questions about which alternatives to modern portfolio theory exists and how they can be applied to improve the performance of multi-asset portfolios. It provides answers and solutions by offering practical tools and code samples that enable readers to implement advanced portfolio optimization techniques and make informed investment decisions.
Portfolio Optimization goes beyond traditional portfolio theory (Quadratic Programming), incorporating last advances in convex optimization techniques and cutting-edge machine learning algorithms. It extensively addresses risk management and uncertainty quantification, teaching readers how to measure and minimize various forms of risk in their portfolios. This book goes beyond traditional back testing methodologies based on historical data for investment portfolios, incorporating tools to create synthetic datasets and robust methodologies to identify better investment strategies considering real aspects like transaction costs.
The author provides several methodologies for estimating the input parameters of investment portfolio optimization models, from classical statistics to more advanced models, such as graph-based estimators and Bayesian estimators, provide a deep understanding of advanced convex optimization models and machine learning algorithms for building investment portfolios and the necessary tools to design the back testing of investment portfolios using several methodologies based on historical and synthetic datasets that allow readers identify the better investment strategies.
| Erscheint lt. Verlag | 16.4.2025 |
|---|---|
| Zusatzinfo | XV, 503 p. 216 illus., 186 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
| Wirtschaft ► Betriebswirtschaft / Management ► Finanzierung | |
| Wirtschaft ► Betriebswirtschaft / Management ► Unternehmensführung / Management | |
| Schlagworte | Asset Allocation • Backtesting • Convex Optimization • Finance • machine learning • portfolio optimization |
| ISBN-10 | 3-031-84304-5 / 3031843045 |
| ISBN-13 | 978-3-031-84304-4 / 9783031843044 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
