基于注意力的资产配置的投资组合变换器
摘要：金融资产配置的传统方法是先进行收益预测，然后进行优化，确定最佳资产权重。在预测阶段的任何错误都会降低资产权重的准确度，从而降低整个投资组合的盈利能力。本文介绍了一种名为Portfolio Transformer（PT）的网络，它避开了预测资产收益的需要，直接优化夏普比率，这是一种在实践中广泛使用的风险调整绩效指标。PT是一种全新的端到端投资组合优化框架，受到自然语言处理中注意机制的众多成功的启发。通过其完整的编码器-解码器结构、专门的时间编码层和门控组件，PT具有学习投资组合资产之间长期依赖关系的高能力，因此可以更快地适应COVID-19疫情等市场变化。为了证明其稳健性，PT与其他算法进行了比较，包括当前基于LSTM的最先进算法，在三个不同的数据集上进行了测试，结果显示它具有最佳的风险调整绩效。
作者：Damian Kisiel and Denise Gorse
论文ID：2206.03246
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2022-06-08