Joint Return and Risk Modeling with Deep Neural Networks for Portfolio Construction
创建于 更新于
摘要
本文提出一个基于深度神经网络的端到端联合回报与风险建模框架，通过多变量LSTM学习时间序列的预测性表示并从中导出向前看的波动与相关结构，用于Sharpe比率最大化的投资组合构建；在2010–2024年十只大盘股样本上的实证表明，模型在2020–2024年测试期能取得RMSE=0.0264、方向准确率≈51.9%，并使得Neural Portfolio年化收益≈36.4%、Sharpe≈0.91，优于等权与历史均值-方差基准，说明联合建模提高了在非平稳市场下的风险调整后表现 [page::0][page::2][page::3]
