.png){kind=icon}
返回
Portfolio optimization with robust stochastic dominance testing: A genetic algorithm approach
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ejor.2025.12.037.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了s-RSD模型，一种稳健的投资组合优化框架，该框架通过允许在选定显著性水平α下的柯尔莫哥洛夫-斯米尔诺夫类统计检验临界值范围内存在异常值扰动，推广了任意给定阶数s的随机优势约束。通过推广严格优势并允许受控的、统计上不显著的违反，该模型稳健地平衡了收益最大化与风险控制。采用遗传算法求解所得的非线性优化问题，能够容纳基数约束和权重界限，且相对于精确求解器实现快速收敛。在熊市、中性市场和牛市条件下对标准普尔500指数数据进行了实证分析，结果表明，通过适当调整随机优势阶数和显著性水平α，可以减少下行期的损失、增强稳定市场的收益并实现超额收益。投资者特定的风险-收益权衡可通过可调参数s和α实现定制。所提出的框架为现代投资组合管理提供了一种灵活而强大的工具。
Keyword:
Genetic algorithms
Portfolio optimization
Robustness
Statistical tests
Stochastic dominance
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W
机构
引用论文
Fishburn, P. C.: Decision and Value Theory. Operations Research Society of America, Publications in Operations Research, Number 10. John Wiley and Sons, Inc., New York, London, Sidney 1964, 437 SFishburn, P. C.: 《决策与价值理论》。美国运筹学学会，运筹学出版物，第10号。John Wiley and Sons, Inc.，纽约，伦敦，悉尼，1964年，437页。
.png){kind=icon}
PREAI
分享收藏
Portfolio optimization with return prediction using deep learning and machine learning使用深度学习和机器学习进行收益预测的投资组合优化
PREAI
分享收藏
查看更多内容