详细内容或原文请订阅后点击阅览
机器学习遇见马科维茨
Yijie Wang、Hao Gau、Campbell R. Harvey、Yan Liu 和 Xinyuan Tao 在这篇新的 NBER 论文中让机器学习与 Harry Markowitz 相遇：投资组合选择的标准方法包括两个阶段：预测资产回报，然后将其插入优化器。我们认为这种分离是有严重问题的。第一阶段处理横截面 [...]
来源:Mostly Economics机器学习遇见马科维茨
Yijie Wang、Hao Gau、Campbell R. Harvey、Yan Liu 和 Xinyuan Tao 在这篇新的 NBER 论文中让 ML 与 Harry Markowitz 相遇：
投资组合选择的标准方法涉及两个阶段：预测资产回报，然后将其插入优化器。我们认为这种分离是有严重问题的。第一阶段将横截面预测误差视为对所有证券同样重要。然而，鉴于不同的风险偏好和投资限制，最终的投资组合可能会有所不同，标准方法无法认识到投资者不仅关心平均预测误差，而且关心对其投资组合最重要的特定资产的预测精度。因此，整合这两个阶段至关重要。我们提出了一种利用机器学习工具的新颖实现，该工具将预期回报生成过程和最终优化的投资组合统一起来。
我们的实证示例提供了令人信服的证据，表明我们的端到端方法优于传统的两阶段方法。在我们的框架中，每个投资者都有自己的、内生决定的有效前沿，该前沿取决于风险偏好、投资者特定的约束以及市场摩擦的风险。
此条目发布于 2026 年 2 月 23 日下午 5:21，归档于学术研究和研究论文、中央银行/货币政策、经济 - 宏观、微观等、金融市场/金融。 您可以通过 RSS 2.0 feed 关注对此条目的任何回复。您可以留下回复，或从您自己的网站进行引用。