学习有效前沿
机器学习
2023-10-17 v2 计算工程、金融与科学
摘要
有效前沿(EF)是一个基本的资源分配问题，其中必须找到一个在给定风险水平下最大化收益的最优投资组合。该最优解传统上通过求解凸优化问题得到。在本文中，我们提出 NeuralEF：一个快速神经近似框架，能够针对异构线性约束和可变数量的优化输入稳健地预测 EF 凸优化问题的结果。通过将优化问题重新表述为序列到序列问题，我们表明 NeuralEF 是加速大规模仿真并处理不连续行为的一种可行方案。
引用
@article{arxiv.2309.15775,
title = {Learning the Efficient Frontier},
author = {Philippe Chatigny and Ivan Sergienko and Ryan Ferguson and Jordan Weir and Maxime Bergeron},
journal= {arXiv preprint arXiv:2309.15775},
year = {2023}
}
备注
Accepted at the Thirty-seventh Conference on Neural Information Processing Systems (NeurIPS 2023)