Decision-informed Neural Networks with Large Language Model Integration for Portfolio Optimization
创建于 更新于
摘要
本报告提出了结合大型语言模型(LLM)与决策导向学习的决策感知神经网络框架(DINN)，有效缓解传统基于预测误差的组合优化中预测与决策目标脱节的问题。通过引入基于cross-attention的多模态集成、语义嵌入和可微优化层，模型在S&P100与DOW30数据集上实现了较主流深度学习模型显著提升的投资表现。实验证明DINN优先关注对决策最关键的资产，借此降低预测误差对组合绩效的负面影响，显著提高了年化收益和风险调整回报，验证了将投资决策目标融入模型训练的重要性和有效性 [page::0][page::1][page::4][page::15][page::16][page::22]
