基于强化学习和障碍函数的自适应风险管理在组合优化中的应用

创建于 2025-04-29T13:56:48.912047+08:00 更新于 2025-05-19T18:36:17.364504+08:00

摘要

本报告提出了一个结合强化学习（RL）与障碍函数（BF）的风险可控组合优化框架RiPO，创新性地引入自适应风险策略（ARS）与动态贡献机制（DCM），实现对投资组合短期风险的明确管理与长期收益最大化。实证结果显示，RiPO在不同市场风格下均优于9种基准方法，特别是在下行市场中有效降低最大回撤，实现风险和收益的动态平衡。[pidx::0][pidx::8][pidx::11][pidx::13][pidx::14]

速读内容

深度阅读