Optimal Portfolio Construction - A Reinforcement Learning Embedded Bayesian Hierarchical Risk Parity (RL-BHRP) Approach
创建于 更新于
摘要
本文提出了RL-BHRP方法，将贝叶斯分层风险平价与强化学习结合，实现跨行业和个股的动态风险分配。在2012-2025年美国股票市场中训练并测试，RL-BHRP在测试期实现了约120%的累计收益，年化收益超过静态基准，兼顾了分散性和交易成本，实现了更强且稳定的长期表现[page::0][page::10][page::14][page::15]。
