NEURAL FUNCTIONALLY GENERATED PORTFOLIOS
创建于 更新于
摘要
本文提出一种基于神经网络的新型函数生成投资组合（FGP）方法，将生成函数表示为可训练的神经网络，旨在最大化相对市场投资回报。该方法结合了随机投资组合理论的理论结构和机器学习的数据驱动适应性，避免了传统FGP中求解复杂偏微分方程的计算限制。实验通过合成和真实市场数据验证，显示神经FGP在多个测试窗口内显著优于等权、市场及多样性加权基准组合，证明其稳健性和高效性 [page::0][page::3][page::5][page::6][page::7][page::8]
