Inverse Portfolio Optimization with Synthetic Investor Data: Recovering Risk Preferences under Uncertainty
创建于 更新于
摘要
本研究提出一种基于逆向组合优化的框架，通过合成数据同时恢复投资者的风险厌恶、交易成本敏感度及ESG偏好，具备统计一致性和动态悔恨界限。数值实验验证了参数恢复的准确性与置信覆盖，实证结果显示交易成本冲击在福利影响上显著强于波动性冲击，为理解投资者偏好及决策提供稳健工具支持[page::0][page::2][page::10][page::31][page::29]。
