通过混合预测模型提升黑-林巴尔投资组合：结合多变量分解与降噪
计算工程、金融与科学
2025-05-27 v2 人工智能
摘要
现代投机组合构建需要稳健的方法来整合数据驱动的见解以进行资产配置。黑-林巴尔模型提供了一种强大的贝叶斯方法，通过投资者观点调整均衡回报，以形成沿市场先验和后验期望的 posterior 分布。主流研究主要通过统计模型或机器学习方法生成主观观点，其中结合分解算法的混合模型表现良好。然而，大多数混合模型没有足够关注噪声，基于单变量的时间序列分解方法难以充分利用多个变量之间的信息。多变量分解还存在效率低和组件质量差的问题。本研究提出了一种新型混合预测模型SSA-MAEMD-TCN，用于自动化和改进观点生成过程。该模型将SSA用于去噪，多变量对齐经验模态分解（MA-EMD）用于频率对齐分解，以及时间卷积网络（TCN）用于捕捉跨多个财经指标的复杂时序模式。对纳斯达克100指数股票的实证测试表明，与基于MAEMD和MEMD的基线模型相比，所提出的模型在预测性能上实现了显著的提高。经过优化的投资组合在短期持有期内实现了远超传统投资组合的年化收益和夏普比率，即便考虑了交易成本。
引用
@article{arxiv.2505.01781,
title = {Enhancing Black-Litterman Portfolio via Hybrid Forecasting Model Combining Multivariate Decomposition and Noise Reduction},
author = {Ziye Yang and Ke Lu and Yang Wang and Jerome Yen},
journal= {arXiv preprint arXiv:2505.01781},
year = {2025}
}