Risk-aware black-box portfolio construction using Bayesian optimization with adaptive weighted Lagrangian estimator
创建于 更新于
摘要
本文提出一种基于贝叶斯优化的黑箱股票组合管理模型优化框架，结合性能期望最大化与风险观测方差最小化，通过自适应加权拉格朗日估计器实现目标函数的双重权衡。该方法利用重要性采样校正目标分布与预测分布差异，在有限观测预算下显著提高了Sharpe比率与降低组合波动率。实验覆盖三种黑箱模型和五种回测场景，结果表明其在稳定性和效率上优于传统单目标优化方法，验证了该估计器在金融风险控制中的有效性[page::0][page::1][page::5][page::6][page::8]。
