Portfolio Optimization with Feedback Strategies Based on Artificial Neural Networks
创建于 更新于
摘要
本文提出了一种基于深度学习的动态资产配置方法，通过使用人工神经网络（ANN）直接最大化经验效用函数，避免了解析求解Hamilton-Jacobi-Bellman方程的复杂性。该方法分别在几何布朗运动和Heston随机波动率模型下进行了验证，结果显示ANN策略在投资组合权重和预期效用上均与理论最优策略高度一致，且计算效率显著提升。该框架灵活且可推广至多资产、多样市场动态，助力现代资产管理实践 [page::1][page::5][page::8][page::10][page::12].
