Multi-objective portfolio optimization for stock return prediction using machine learning

doi:10.1016/j.eswa.2025.129672

Multi-objective portfolio optimization for stock return prediction using machine learning

2025-09-18

0

PRE

AI

DOI：10.1016/j.eswa.2025.129672

原文链接

原文求助

摘要

En 中文

本文提出了一种将股票收益预测与均值-方差（MV）模型相结合的新型方法，以提升原模型的性能。首先，利用机器学习算法（包括稳健线性回归（OLS-H）、随机森林（RF）和长短期记忆网络（LSTM））预测股票收益，以筛选出由高预测收益股票组成的预筛选股票池。其次，通过线性加权方法将上述预测结果与MV模型相结合，构建均值-方差-预测误差（MVF）模型，并确定预选股票的投资比例。最后，采用沪深300指数成分股作为样本数据进行实证研究。结果表明，RF + MVF模型在收益和风险指标上优于其他模型和沪深300指数。同时，相关参数的敏感性分析进一步证实，考虑收益不确定性有助于改善MV模型的样本外表现。

Multi-objective portfolio optimization for stock return prediction using machine learning

摘要

期刊

机构

引用论文