Stability focused end to end frameworks for risk budgeting portfolios
Los avances recientes en el aprendizaje profundo han impulsado el desarrollo de marcos de trabajo de extremo a extremo para la optimización de carteras que utilizan capas implícitas. Sin embargo, muchas de estas implementaciones son altamente sensibles a la inicialización de la red neuronal, lo que...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- eng
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/45088
- Acceso en línea:
- https://repository.urosario.edu.co/handle/10336/45088
- Palabra clave:
- Marco de trabajo de extremo a extremo
Redes neuronales
Asignación de riesgo
Estabilidad
C45
C13
G11
End to end framework
Neural networks
Risk budgeting
Stability
- Rights
- License
- Attribution-NonCommercial 4.0 International
| Summary: | Los avances recientes en el aprendizaje profundo han impulsado el desarrollo de marcos de trabajo de extremo a extremo para la optimización de carteras que utilizan capas implícitas. Sin embargo, muchas de estas implementaciones son altamente sensibles a la inicialización de la red neuronal, lo que afecta la consistencia del rendimiento. Esta investigación presenta un marco de trabajo robusto de extremo a extremo diseñado para carteras de asignación de riesgo, que reduce eficazmente la sensibilidad a la inicialización. Es importante destacar que esta mayor estabilidad no compromete el rendimiento de la cartera, ya que nuestro marco supera de manera consistente el punto de referencia de paridad de riesgo. |
|---|