Causal Portfolio Optimization: Principles and Sensitivity-Based Solutions
创建于 更新于
摘要
本报告系统阐述了基于资产动态及因果驱动的投资组合优化理论框架，提出了“Commonality Principle”作为组合最优因果驱动的必要且充分条件，利用感度空间实现因果驱动下的系统性和非系统性多元化的整合。报告深入探讨了从Reichenbach的因果原理到神经网络自动微分提取敏感度，并构建了适用于投资组合的灵敏度距离矩阵及层次聚类优化方法；同时，创新性引入了基于公因果流形及其切空间的风险管理框架，将灵敏度预测作为路径依赖的动力学系统，通过随机微分方程模拟未来多步灵敏度轨迹，进而实现动态、前瞻性的投资组合多样化优化。大量实证实验涵盖美欧市场、不同周期、不同资产配置，结果显示基于因果敏感度的Hierarchical Sensitivity Parity（HSP）方法显著优于传统最大夏普率和层次风险平价方法，实现了更稳健的风险调整收益率 [page::1][page::5][page::11][page::20][page::53][page::123].
