Anatomy of Machines for Markowitz: Decision-Focused Learning for Mean-Variance Portfolio Optimization
创建于 更新于
摘要
本报告探讨了在均值方差组合优化（MVO）中，决策导向学习（DFL）如何调整股票收益预测模型以提升决策效果。与传统最小均方误差（MSE）模型均匀处理所有资产误差不同，DFL通过引入协方差矩阵逆${\boldsymbol{\Sigma}}^{-1}$，差异化关注不同资产误差，重点减少优秀资产预测误差，从而显著提高组合决策质量和投资绩效。实验证实，随着模型越趋向DFL，其预测与真实期望收益的相关性增强，投资组合的夏普率和累计收益亦明显提升 [page::0][page::1][page::2][page::3][page::4][page::5][page::6]。
