基于注意力驱动的动态因子学习的生成CVaR组合优化
摘要：动态投资组合构建问题需要动态建模多元股票收益的联合分布。为了实现这一目标，我们提出了一种动态生成因子模型，该模型使用随机变量转换作为分布建模的隐式方法，并依赖于Attention-GRU网络进行动态学习和预测。所提出的模型捕捉了多元股票收益之间的动态依赖关系，特别关注尾部属性。我们还提出了一种两步迭代算法来训练模型，然后预测时变模型参数，包括时不变的尾部参数。在每个投资日期，我们可以轻松地从学习的生成模型中模拟新样本，并使用模拟样本进行CVaR投资组合优化，形成动态投资组合策略。对股票数据的数值实验表明，我们的模型导致更明智的投资，承诺更高的回报风险比，并呈现更低的尾部风险。
作者：Chuting Sun, Qi Wu, Xing Yan
论文ID：2301.07318
分类：Portfolio Management
分类简称：q-fin.PM
提交时间：2023-08-07