Learning to Manage Investment Portfolios beyond Simple Utility Functions
创建于 更新于
摘要
本论文提出基于生成对抗网络（GAN）的投资策略学习框架，通过条件生成分布来捕捉基金经理在非显式效用函数指导下的真实投资行为。模型利用持仓数据及市场因子特征，构建隐含策略表示，实现多目标投资行为模拟，展现与传统基于效用的均值-方差模型不同的异质性行为特征，并验证了策略的稳定性与迁移能力，为市场模拟、策略归因及监管提供数据驱动的新工具 [page::0][page::1][page::3][page::5][page::6][page::7]。
