.png){kind=icon}
返回
Bi-Objective Portfolio Optimization Under ESG Volatility via a MOPSO-Deep Learning Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/math13203308.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对一个双目标优化问题，旨在同时最大化投资组合分散化程度并最小化投资组合波动率，其中纳入了ESG（环境、社会和治理）信息。更具体而言，我们将基于金融角度的标准投资组合波动率框架扩展为一个新范式，其中考虑了可持续债券。在投资组合构建过程中，我们考虑了与预算和箱式约束相关的经典约束条件。为处理这些新的资产配置模型，本文开发了一种嵌入专用修复和投影算子的改进型多目标粒子群优化器（MOPSO）以满足约束条件。此外，我们实现了一种深度学习架构以改进对投资组合分散化目标的估计质量。最后，我们在来自三个不同国家市场的数据集上进行了实证测试，以说明所提策略的有效性，并考虑了不同水平的ESG波动率。
Keyword:
sustainable bi-objective portfolio optimization
ESG volatility
MOPSO
deep learning architecture
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
引用论文
分享收藏Multi-objective particle swarm optimization algorithm for task allocation and archived guided mutation strategies任务分配与存档引导变异策略的多目标粒子群优化算法.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏When trackers are aware of ESG: Do ESG ratings matter to tracking error portfolio performance?当追踪者意识到ESG时: ESG评级对跟踪误差投资组合表现重要吗？ECONOMIC MODELLING
ECONOMIC MODELLINGIF4.7
PREAI
分享收藏分享收藏
查看更多内容