LLM-Enhanced Black-Litterman Portfolio Optimization
创建于 更新于
摘要
本论文提出了一种系统化框架，将大型语言模型（LLM）的回报预测及其不确定性转化为Black-Litterman投资组合优化模型中的核心输入——投资者观点及其置信度。通过在标普500成分股上的回测实验，结果表明由顶尖LLM驱动的组合在绝对收益和风险调整收益方面均显著优于传统基线模型。研究发现，不同LLM展现出截然不同且稳定的投资风格，而模型选择即是投资风格的选择，其表现依赖于市场环境的一致性。这为将自然语言处理模型应用于量化投资提供了新视角和方法论基础 [page::0][page::1][page::4][page::5][page::7]
