Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 82,45

+ 164 punten

Levertermijn 1 à 4 weken

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Index tracking is a very popular passive investment strategy. Since an index cannot be traded directly, index tracking refers to the process of creating a portfolio that approximates its performance. A straightforward way to do that is to purchase all the assets that compose an index in appropriate quantities. However, to simplify the execution, avoid small and illiquid positions and large transaction costs, it is desired that the tracking portfolio consists of a small number of assets. Although index tracking is driven from the financial industry, it is in fact a pure signal processing problem: a regression of the financial historical data subject to some portfolio constraints with some caveats and particularities. Furthermore, the sparse index tracking problem is similar to many sparsity formulations in the signal processing area in the sense that it is a regression problem with some sparsity requirements. In its original form, sparse index tracking can be formulated as a combinatorial optimization problem. A commonly used approach is to use mixed-integer programming (MIP) to solve small sized problems. Nevertheless, MIP solvers are not applicable for high-dimensional problems since the running time can be prohibiting for practical use. This monograph provides an in-depth overview of the index tracking problem and analyzes all the caveats and practical issues an investor might have. Furthermore, it provides a unified framework for a large variety of sparse index tracking formulations. The derived algorithms are very attractive for practical use since they provide efficient tracking portfolios orders of magnitude faster than MIP solvers.