Portfolio Optimization via Transfer Learning
创建于 更新于
摘要
本文提出一种基于迁移学习的投资组合构建方法：通过对目标市场与多个来源市场的历史数据进行分段前向验证（forward validation）并求解一个约束在单纯形上的最优权重向量，最终形成对目标市场的加权资产配置，从而在大样本意义下能自适应地筛除无效/误导来源并渐近实现最大 Sharpe 比率；算法实现简单且在数值模拟与两类实证（A/H 双重上市与跨行业美股）中均显著提升了样本外 Sharpe 指标并降低波动性 [page::1][page::11][page::16][page::23][page::29]
