机构名称：
¥ 1.0
投资组合优化是根据某些审视，投资者的偏好和约束选择最佳资产投资组合的过程，通常优化风险和回报之间的权衡。这项研究评估了传统和新颖的机器学习组合优化技术的有效性，这是通过卖空销售（在先前的研究中经常忽略的设计功能）来评估的。我们从七个商品群体中采用历史商品市场数据。所研究的策略包括均值优化，全球最小差异，相等的权重，最大多元化，风险平价和分层风险平价。调查结果表明，允许短暂销售会影响性能组合优化策略。均值变化优化潜在地增加了返回，但以更大的波动性为代价。全球最小差异始终显示出稳定性和最小风险，非常适合采用保守投资策略的投资组合经理。最大程度的多元化投资组合和风险奇偶校验表现出适度但有弹性的性能，尽管其创新，但较高的临床风险均等往往更加动荡。出乎意料的是，同等的加权策略在更复杂的方法上保持了其基础，为那些重视简单性的人提供了可行的选择。此分析强调了将投资组合策略与投资者风险偏好相匹配的重要性，尤其是在整合诸如短销售之类的技术时。
通过机器学习方法增强投资组合优化
主要关键词
相关文件推荐
