国泰君安学界纵横系列：基于夏普比最大化的组合优化模型

国泰君安

本文介绍了一种直接对夏普比率进行优化的基于深度学习的投资组合优化模型框架。

摘要：

在人工智能快速发展的今天，机器学习被应用到金融工程的各个领域。投资组合优化问题作为量化金融的重要组成部分，同样也越来越多地出现了机器学习算法的身影。

《Deep Learning for Portfolio Optimization》一文采用深度学习模型直接优化了投资组合的夏普比。该模型直接跳过了预测预期收益这一传统算法中的重要步骤，通过更新模型参数来直接优化投资组合的权重。此优化框架没有选择单个资产，而是选择市场指数的交换交易基金形成投资组合。不同资产类别的指数显示出稳健的相关性，直接对其进行交易大大减少了可选择的资产范围，降低了问题的复杂性。

 作者将他们的方法与多种传统算法进行了比较。结果表明，该模型在2011 年至 2020 年 4 月底的测试期间内表现出最佳的性能，同时在2020 年第一季度市场不稳定时表现依然良好。

（PDF ， 1M ， 13页）