物理信息神经网络增强的深度学习与数学建模在高效投资组合管理中最新进展的系统综述
最优化与控制
2026-05-01 v1
摘要
在金融领域，投资组合管理是一个传统但困难的问题，多年来一直吸引着从业者和研究人员的关注。然而，仍有一些困难的技术问题需要解决。在金融世界中，管理投资组合从来都不是一件容易的事。在波动的市场中选择投资组合，借助投资组合管理会变得更容易。本综述研究的目的是介绍物理信息神经网络的概念，因为它们提供了一种将物理和金融原理直接融入神经网络学习过程的新颖方法。通过这样做，物理信息神经网络确保其预测不仅提供精确的预测，而且符合既定的金融法规和流程。此外，本文概述了在数学模型、深度学习模型和物理信息神经网络支持下投资组合优化的研究现状。同时，讨论了各种深度学习和数学建模的优缺点。研究人员和商业专业人士都应该会发现这些数据对于推动投资管理领域的发展和尝试新的投资组合管理策略很有用。为此，本综述工作对这些因素给予了强调。最后，讨论了一些具有挑战性的问题和潜在的未来方向，鼓励读者思考该研究领域的新想法。
引用
@article{arxiv.2604.27610,
title = {A Systematic Review of Recent Advancements in PINN Augmented Deep Learning and Mathematical Modeling for Efficient Portfolio Management},
author = {Bahadur Yadav and Sanjay Kumar Mohanty},
journal= {arXiv preprint arXiv:2604.27610},
year = {2026}
}