DEEP LEARNING METHODS FOR S SHAPED UTILITY MAXIMISATION WITH A RANDOM REFERENCE POINT
创建于 更新于
摘要
本报告针对具有随机基准点的S型效用函数的投资组合优化问题，提出并比较了基于深度学习的多种数值算法，涵盖Hamilton–Jacobi–Bellman方程和拉格朗日对偶方法。研究表明，在完整与不完整市场中，采用效用函数的凹包络能够有效规避非凸性问题，通过深度物理信息神经网络（PINN）与随机最大值原理方法获得准确数值解，验证了算法的可行性和鲁棒性 [page::0][page::1][page::5][page::14][page::16]
