SEMI-DECISION-FOCUSED LEARNING WITH DEEP ENSEMBLES: A PRACTICAL FRAMEWORK FOR ROBUST PORTFOLIO OPTIMIZATION
创建于 更新于
摘要
本报告提出了半决策聚焦学习（Semi-Decision-Focused Learning）框架，通过使用简单的目标投资组合和凸交叉熵损失函数来稳定和强化深度学习在投资组合优化中的应用。此外，深度集成（Deep Ensemble）技术被引入以减少模型预测的方差，提升优化效果和鲁棒性。基于两类不同市场环境的股票池实验显示，该方法显著优于传统基线策略，证实了其在多变市场中的实用价值和性能优势 [page::0][page::1][page::2][page::3][page::4]。
