Ensembling Portfolio Strategies for Long-Term Investments: A Distribution-Free Preference Framework for Decision-Making and Algorithms
创建于 更新于
摘要
本报告提出了一个无分布假设的投资者偏好框架，以实现多策略组合优于单一策略的长期财富增长。通过对无卖空条件下多策略组合的在线学习方法进行构造，提出了既适用于小规模也适用于大规模策略集的组合方案，并在真实27年蓝筹股票数据上数值验证了其优越性与鲁棒性。实验证明，即使在无统计假设前提下，该组合策略及其加速变体能最终实现累计财富超过所有组件策略，且增长率优于基线策略，虽夏普比率略有让步但风险控制良好，体现了策略在实际应用中的有效性和灵活性 [page::0][page::1][page::2][page::10][page::12][page::14][page::19][page::17][page::15][page::16]
