超越随机基准目标的最佳资产配置
摘要：基于数据的神经网络（NN）优化框架来确定优于一般随机目标的多期动态资产配置策略。我们将问题定义为具有非对称、分布塑形目标函数的最佳随机控制问题。该框架是通过积累期中的资产配置问题进行说明的，目标是比随机基准实现更高的期末财富。我们证明了基于数据的方法能够直接从历史市场回报中学习自适应资产配置策略，而不需假设任何金融市场动态的参数模型。根据最佳的自适应策略，投资者可以根据投资组合的当前状态做出资产配置决策。最佳的自适应策略优于基准的恒定比例策略，以90％的概率实现了更高的期末财富、46％更高的期末财富中位数，并具有更大程度的右偏期末财富分布。我们进一步通过测试策略在引导重新采样的市场数据上的表现来证明最佳自适应策略的稳健性，这些数据与训练数据具有不同的分布。
作者：Chendi Ni, Yuying Li, Peter Forsyth, Ray Carroll
论文ID：2006.15384
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2020-06-30