基于 Transformer-GAN 集成增强投资组合优化：Black-Litterman 框架中的一种新方法
计算工程、金融与科学
2024-04-24 v3
摘要
本研究通过在 Black-Litterman (BL) 框架内将 Transformer 模型与生成对抗网络集成，提出了一种创新的投资组合优化方法。利用 Transformer 识别长程依赖的能力和 GAN 生成精确预测模型的专长，我们的方法增强了 BL 投资组合分配中精细预测观点的生成。我们将模型与 BL 将客观观点与市场均衡相结合的结构化方法相融合，为现代投资组合管理提供了一个优于传统预测方法的强大工具。我们的集成方法不仅展现了改善投资决策的潜力，还为捕捉金融市场的复杂性以实现稳健的投资组合优化贡献了一种新途径。
引用
@article{arxiv.2404.02029,
title = {Enhancing Portfolio Optimization with Transformer-GAN Integration: A Novel Approach in the Black-Litterman Framework},
author = {Enmin Zhu and Jerome Yen},
journal= {arXiv preprint arXiv:2404.02029},
year = {2024}
}