Decision by Supervised Learning with Deep Ensembles: A Practical Framework for Robust Portfolio Optimization
创建于 更新于
摘要
本文提出了一种基于监督学习的投资组合优化框架DSL，结合深度集成（Deep Ensemble）方法，通过交叉熵损失函数训练模型直接预测最优投资组合权重。DSL显著降低模型预测方差、提升组合稳定性和收益表现。详尽回测验证了DSL在多市场、多模型及多目标条件下均优于传统方法和现有机器学习基线。集成规模越大，收益的中位数和风险调整后表现越稳定，展示了DSL在实际资产管理中的强大潜力与实用性 [page::0][page::1][page::2][page::4][page::5][page::6]
