人工智能 50：再探 cGAN 资产配置
创建于 更新于
摘要
本报告系统梳理条件生成对抗网络（cGAN）应用于资产配置的理论与实证，重点考察基于cGAN预测资产收益均值和协方差的方法改进及评估。实证显示，cGAN预测协方差相比传统历史波动率更接近真实市场风险，风险平价及风险预算模型中仓位和风险分配更接近理想配置；收益均值预测对多资产相对收益排序能力优于历史收益方法。多场景实证包括国内股票、债券、商品大类，全球大类资产及A股板块配置，均表明基于cGAN的均值方差模型回测表现优于传统方法，收益、波动及回撤控制表现更为稳健，夏普与Calmar比率均高于传统基准 [page::0][page::4][page::7][page::23]
