人工智能 52：神经网络组合优化初探
创建于 更新于
摘要
本报告系统介绍了将组合优化嵌入神经网络构建端到端量化投资框架的探索，重点应用了斯坦福大学开发的CvxpyLayers工具。报告通过三大凸优化案例—including Softmax函数、风险预算模型及马科维茨模型—详细证明与示例代码展示，实现了凸优化层对组合权重的动态求导。基于CvxpyLayers，构建因子模型FactorModel与端到端LSTMModel，实证覆盖国内外及国内资产配置，均优于风险平价基准模型，且用风险预算上下限限制增强稳定性。LSTMModel的超额收益主要来源于关键资产的偏配，如标普500和彭博贵金属指数[page::0][page::9][page::13][page::14][page::21]。
