A Practitioner’s Guide to AI+ML in Portfolio Investing
创建于 更新于
摘要
本报告系统回顾了多种机器学习及人工智能方法在高维股票组合投资中的应用，重点在于精确矩阵估计技术与三类常用投资目标函数（GMV、Markowitz、MSR）的联合使用。通过对5个不同时间段（含多次股市下跌期）的实证检验，发现在大规模资产（p＞T）组合构建中，基于nodewise回归结合GMV目标函数的组合表现优异，稳居Sharpe比率和收益率领先地位，且优于传统基准S&P 500指数。本文详细阐述了各类估计方法的理论基础、算法步骤及其统计性质，比较了线性收缩、非线性收缩、单因子非线性收缩、因子模型（观察因子、隐含因子）和nodewise回归（简单与残差版本）的性能差异，强调了精确矩阵估计对组合权重与风险收益评价的核心作用。[page::0][page::1][page::2][page::43][page::75]
