End-to-End Policy Learning of a Statistical Arbitrage Autoencoder Architecture
创建于 更新于
摘要
本报告系统性评估了自编码器（Autoencoder）在Statistical Arbitrage（统计套利）中的应用，提出将自编码器嵌入端到端的策略学习架构，直接输出投资组合权重。实证结果显示，相较于传统PCA和Fama French资产定价模型，该端到端方法显著提升了风险调整后的收益率，简化了策略流程并有效降低了建模风险，展示了深度学习架构在StatArb交易策略构建上的潜力和优势[page::0][page::1][page::5][page::6][page::7].
