Dynamic Weight Optimization for Double Linear Policy: A Stochastic Model Predictive Control Approach
创建于 更新于
摘要
本文提出将随机模型预测控制（SMPC）用于Double Linear Policy（DLP）中的动态权重优化，通过滚动视窗预测步长内最大化风险校正后的终端财富并强制生存性与预测正期望约束，同时推导出非凸目标的解析梯度并用L-BFGS-B高效求解；实证结果（比特币与跨资产回测）表明DLP–SMPC在夏普比率和最大回撤上显著优于恒定权重与若干预设权重基准，改善了风险调整后的收益与回撤控制 [page::0][page::4]
