Signature-Informed Transformer for Asset Allocation
创建于 更新于
摘要
本文提出Signature-Informed Transformer (SIT)，通过用路径签名编码资产路径、在自注意力中注入签名导出的配对偏差以捕捉lead–lag关系，并直接以投资目标（最小化组合的CVaR）进行端到端训练，从而显著提升风险调整后收益与下行鲁棒性；在多种美股与中证资产池的离线回测中，SIT在Sharpe、Sortino与最终财富因子上显著优于传统方法和多种预测-再优化基线，且签名强度与被吸引的注意力呈正相关，表明签名偏置被积极利用来改善尾部风险分配 [page::2][page::3][page::5][page::6]
