Diffusion Factor Models: Generating High-Dimensional Returns with Factor Structure
创建于 更新于
摘要
本文提出扩散因子模型，将潜在因子结构嵌入扩散生成过程，有效解决高维资产收益数据中维度灾难和样本不足问题。通过分解扩散模型中的分数函数，设计结构感知的神经网络，实现高效训练和理论误差界。实证和数值研究表明，模型能精准重构因子子空间，提升均值-方差组合优化表现，在实证股票数据中的投资组合夏普比率显著优于传统方法。[page::0][page::3][page::16][page::28]
