.png){kind=icon}
返回
Cardinality-constrained portfolio optimization with clustering
.png){kind=icon}
PRE
AI
DOI：10.1007/s10479-026-07184-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基数约束的资产组合优化旨在确定最优投资策略，同时限制股票的总数量。然而，基数约束的NP难特性使得该优化问题在高维设置下难以处理。我们引入了新的资产组合优化框架，利用聚类方法降低维度，同时在每个聚类内强制执行资产限制并优化配置比例以平衡风险与收益。我们应用层次聚类根据股票的残差收益相关性进行分组，以实现内部相似的聚类。通过将复杂问题划分为更小的子问题，我们可以在降维子空间中近似标准优化。我们在S&P 500和Russell 3000数据集上的实证结果表明，所提出的方法在资产组合构建中是有效的，并且优于多种基准策略。此外，通过优化所选资产的数量以及每个组中的总聚类权重，我们简化了资产选择，同时实现了与传统均值-方差资产组合相当的性能。这突显了战略聚类作为更有效的框架，在现实约束下进行大规模资产组合管理的潜力。
Keyword:
Portfolio optimization
Asset allocation
Cardinality constraints
Hierarchical clustering
期刊
IF:
4.5
论文数:
8.0K
被引数:
2.1W
机构
引用论文
暂无论文信息