基于神经网络的状态依赖性资产配置
摘要：改变市场条件给投资者带来了挑战，因为它们导致业绩偏离长期平均值和协方差的范围。条件资产配置策略的目标是通过调整投资组合配置来对冲投资机会集的变化，以克服这个问题。本文提出了一种基于机器学习的条件资产配置新方法；它通过分析历史市场状态和资产回报，在新的观察得到时识别出新期间的最优投资组合选择。在这种方法中，我们直接将状态变量与投资组合权重联系起来，而不是首先对回报分布进行建模，然后估计投资组合选择。该方法捕捉到了状态（预测）变量和投资组合权重之间的非线性关系，而无需假设任何特定的回报和其他数据的分布，无需将一个具有固定数量的预测变量的模型拟合到数据上，也无需估计任何参数。对股票和债券指数投资组合的实证结果表明，所提出的方法与传统方法相比，生成了更高效的结果，并且在不同样本期间使用不同的目标函数时具有鲁棒性。
作者：Reza Bradrania and Davood Pirayesh Neghab
论文ID：2211.00871
分类：General Finance
分类简称：q-fin.GN
提交时间：2022-11-03