Entropy-Guided Multiplicative Updates: KL Projections for Multi-Factor Target Exposures
创建于 更新于
摘要
本文提出了一种基于Kullback–Leibler散度最小化的多因子目标暴露组合构建框架——Entropy-Guided Multiplicative Updates（EGMU），实现了在凸约束下的严格可行性和解的唯一性。提出了带收敛保证的弹性目标与鲁棒目标扩展算法，包括阻尼牛顿法和KL投影方案，且给出了灵敏度分析及路径跟踪ODE。本文还探讨了数值稳定性及多周期调仓的正则化，实现了大规模资产配置的理论与算法结合 [page::0][page::1][page::3][page::5][page::6][page::7]
