20240104-华安证券-_学海拾珠_系列之一百七十三_基于端到端神经网络的风险预算与组合优化_15页_1mb

报告总结

这篇报告基于端到端神经网络的风险预算与组合优化方法，探讨了在投资组合中整合预测和优化任务的创新应用。研究使用神经网络，包括无模型和有模型策略，以夏普比率作为调优目标函数，训练了隐藏层和优化层，避免了直接参数训练。作者引入了随机门控机制，用于控制资产风险预算并过滤不良资产，从而提升组合表现，减少损失风险。

实证研究在模拟数据和真实市场数据上进行了测试，涉及七种资产（ETFs），结果显示该模型在夏普比率、几何平均回报与平均回撤比率等指标上优于名义风险平价基准，并在市场波动期表现出更好的鲁棒性与适应性。整体上，模型整合了预测与优化任务，提高了决策效率。

结论是该方法改进了传统组合优化的局限性，基于历史和海外文献的数据分析，但不构成任何投资建议，强调风险。