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
| id |
EDOCUR2_b352d6778ca11f0b54c70cc506d496c4 |
|---|---|
| oai_identifier_str |
oai:repository.urosario.edu.co:10336/45088 |
| network_acronym_str |
EDOCUR2 |
| network_name_str |
Repositorio EdocUR - U. Rosario |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Stability focused end to end frameworks for risk budgeting portfolios |
| title |
Stability focused end to end frameworks for risk budgeting portfolios |
| spellingShingle |
Stability focused end to end frameworks for risk budgeting portfolios 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 |
| title_short |
Stability focused end to end frameworks for risk budgeting portfolios |
| title_full |
Stability focused end to end frameworks for risk budgeting portfolios |
| title_fullStr |
Stability focused end to end frameworks for risk budgeting portfolios |
| title_full_unstemmed |
Stability focused end to end frameworks for risk budgeting portfolios |
| title_sort |
Stability focused end to end frameworks for risk budgeting portfolios |
| dc.contributor.gruplac.none.fl_str_mv |
Grupo de investigaciones. Facultad de Economía. Universidad del Rosario |
| dc.subject.none.fl_str_mv |
Marco de trabajo de extremo a extremo Redes neuronales Asignación de riesgo Estabilidad |
| topic |
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 |
| dc.subject.jel.none.fl_str_mv |
C45 C13 G11 |
| dc.subject.keyword.none.fl_str_mv |
End to end framework Neural networks Risk budgeting Stability |
| description |
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. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-03-11T12:53:55Z |
| dc.date.available.none.fl_str_mv |
2025-03-11T12:53:55Z |
| dc.date.created.none.fl_str_mv |
2025-03-05 |
| dc.type.none.fl_str_mv |
bachelorThesis |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.spa.none.fl_str_mv |
Artículo |
| dc.identifier.uri.none.fl_str_mv |
https://repository.urosario.edu.co/handle/10336/45088 |
| url |
https://repository.urosario.edu.co/handle/10336/45088 |
| dc.language.iso.none.fl_str_mv |
eng |
| language |
eng |
| dc.rights.*.fl_str_mv |
Attribution-NonCommercial 4.0 International |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.acceso.none.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| rights_invalid_str_mv |
Attribution-NonCommercial 4.0 International Abierto (Texto Completo) http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| dc.format.extent.none.fl_str_mv |
24 PP |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad del Rosario |
| dc.publisher.department.none.fl_str_mv |
Facultad de Economía |
| publisher.none.fl_str_mv |
Universidad del Rosario |
| institution |
Universidad del Rosario |
| dc.source.instname.none.fl_str_mv |
instname:Universidad del Rosario |
| dc.source.reponame.none.fl_str_mv |
reponame:Repositorio Institucional EdocUR |
| bitstream.url.fl_str_mv |
https://repository.urosario.edu.co/bitstreams/3b4d2905-5e29-4072-8c2e-11604bca52f9/download https://repository.urosario.edu.co/bitstreams/e25502a9-d6a1-4a40-9645-c23fcd4fa62a/download https://repository.urosario.edu.co/bitstreams/6f86434c-71a1-4553-9fc1-e48cafec54be/download https://repository.urosario.edu.co/bitstreams/1f2f87c2-2394-4736-af55-bacf5824b9ce/download https://repository.urosario.edu.co/bitstreams/13927a12-1bbf-4656-9471-b899e3f1b20a/download |
| bitstream.checksum.fl_str_mv |
b2825df9f458e9d5d96ee8b7cd74fde6 d93f5db78fcf73cec9795c8fea744a8b 51cae21b53880a9162945c7da22962e3 70de265a9eabdb84039f6b71b7f247c1 47cf9c5f2004c87830930c529a84cd40 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional EdocUR |
| repository.mail.fl_str_mv |
edocur@urosario.edu.co |
| _version_ |
1831928224503824384 |
| spelling |
Grupo de investigaciones. Facultad de Economía. Universidad del RosarioParra-Diaz, ManuelCastro Iragorri, Carlos Alberto0a138502-d0af-49c6-91c0-eea20cd9d976-1cf5df857-d934-4a94-bc15-dfd824f446ce2025-03-11T12:53:55Z2025-03-11T12:53:55Z2025-03-05Los 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.Recent advances in deep learning have spurred the development of end-to-end frameworks for portfolio optimization that utilize implicit layers. However, many such implementations are highly sensitive to neural network initialization, undermining performance consistency. This research introduces a robust end-to-end framework tailored for risk budgeting portfolios that effectively reduces sensitivity to initialization. Importantly, this enhanced stability does not compromise portfolio performance, as our framework consistently outperforms the risk parity benchmark.24 PPapplication/pdfBogotáhttps://repository.urosario.edu.co/handle/10336/45088engUniversidad del RosarioFacultad de EconomíaAttribution-NonCommercial 4.0 InternationalAbierto (Texto Completo)http://creativecommons.org/licenses/by-nc/4.0/http://purl.org/coar/access_right/c_abf2instname:Universidad del Rosarioreponame:Repositorio Institucional EdocURMarco de trabajo de extremo a extremoRedes neuronalesAsignación de riesgoEstabilidadC45C13G11End to end frameworkNeural networksRisk budgetingStabilityStability focused end to end frameworks for risk budgeting portfoliosbachelorThesisArtículohttp://purl.org/coar/version/c_b1a7d7d4d402bccehttp://purl.org/coar/resource_type/c_7a1fLICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/3b4d2905-5e29-4072-8c2e-11604bca52f9/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81025https://repository.urosario.edu.co/bitstreams/e25502a9-d6a1-4a40-9645-c23fcd4fa62a/downloadd93f5db78fcf73cec9795c8fea744a8bMD53ORIGINALdt323R_Stability_focused_end_to_end_frameworks.pdfdt323R_Stability_focused_end_to_end_frameworks.pdfapplication/pdf3333751https://repository.urosario.edu.co/bitstreams/6f86434c-71a1-4553-9fc1-e48cafec54be/download51cae21b53880a9162945c7da22962e3MD56TEXTdt323R_Stability_focused_end_to_end_frameworks.pdf.txtdt323R_Stability_focused_end_to_end_frameworks.pdf.txtExtracted texttext/plain52256https://repository.urosario.edu.co/bitstreams/1f2f87c2-2394-4736-af55-bacf5824b9ce/download70de265a9eabdb84039f6b71b7f247c1MD57THUMBNAILdt323R_Stability_focused_end_to_end_frameworks.pdf.jpgdt323R_Stability_focused_end_to_end_frameworks.pdf.jpgGenerated Thumbnailimage/jpeg3298https://repository.urosario.edu.co/bitstreams/13927a12-1bbf-4656-9471-b899e3f1b20a/download47cf9c5f2004c87830930c529a84cd40MD5810336/45088oai:repository.urosario.edu.co:10336/450882025-03-12 03:02:20.076http://creativecommons.org/licenses/by-nc/4.0/Attribution-NonCommercial 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.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 |