On Frequency-Based Optimal Portfolio with Transaction Costs

資料來源

項目	連結
arXiv	https://arxiv.org/abs/2301.02754
期刊	IEEE Control Systems Letters, vol. 7, pp. 3489–3494（2023）

論文基本資訊

項目	內容
作者	Yi-Shan Wong、Chung-Han Hsieh
首版	2023-01
資料	日內 + 日頻歷史價格

一句話摘要

把 log-optimal portfolio 加上再平衡頻率這個維度，再放回真實交易成本 ── 證明問題仍是 concave program、給出含成本的 dominance theorem、並用 sliding window 把它變成可線上跑的版本。

核心貢獻

1. Concave program 等價：頻率相依 log-optimal + 成本 ≡ concave 最佳化問題。
2. Dominance theorem with costs：含成本下的最佳資產配置判定條件。
3. 指出 bankruptcy 風險：成本累積可能讓策略破產，需要主動防範。
4. Quadratic concave 近似 + 最優條件：給出可解形式與最優性條件。
5. Two-fund theorem 變體：最佳權重的凸組合仍是最佳。
6. Sliding window 線上化：把 stochastic dynamic programming 換成連續解 concave program。

目前限制與注意事項

• 仍假設成本為凸函數，bid-ask spread + market impact + slippage 不一定凸。
• Sliding window 長度需經驗選擇。
• 破產條件給出但避免方式仰賴策略限制。

研究價值與啟示

關鍵洞察

1. 「頻率」是 log-optimal 文獻長期忽略的維度：Kelly / log-optimal 經典文獻多假設連續或固定頻率，本系列把「再平衡頻率本身」當決策變數，視角更接近實務。
2. Concave 性質保留是好理論的指標：加上成本後仍是 concave program ── 等於數學結構沒崩，可以繼續用既有 LP / convex solver 解。
3. Bankruptcy 風險顯式提出：不少 Kelly 文章假裝沒事，本篇直接點出 ── 任何 log-utility 系列方法都應該先檢查破產條件，這是實務人最在意的點。
4. Sliding window 等於把離線最佳化變成線上：sliding window 是 control theory + online learning 的經典工具，套到 portfolio 上就是「滾動式 log-optimal」，比傳統 monthly rebalance 更貼近高頻場景。

與其他研究筆記的關聯

• Sliding Window Log-Optimal Portfolio ── 同條 sliding window 路線的另一篇。
• Robust Log-Optimal Hyperplane ── 處理「分布不確定」的姊妹問題。