面向主动投资组合管理的金融机器学习长期建模
计算金融
2023-01-31 v1 机器学习
摘要
在投资信托等资产管理的实际业务中，由于操作负担与随换手率上升而增加的交易成本，通常采取中长周期管理。然而，当利用机器学习构建管理模型时，学习数据量随长期时间尺度增大而减少，导致学习精度下降。为此，本研究通过将目标任务的时长尺度与更短周期尺度的学习数据结合使用进行数据增强，证明即便机器学习目标任务具有长期时间尺度，也能抑制泛化性能退化。此外，作为该数据增强应用示例，我们开展了投资组合管理：利用自编码器对多因子模型进行机器学习，并基于估计理论值得到错误定价。其在股票市场与外汇市场均确认有效，可在多种金融市场构建通用管理模型。
引用
@article{arxiv.2301.12346,
title = {Long-Term Modeling of Financial Machine Learning for Active Portfolio Management},
author = {Kazuki Amagai and Tomoya Suzuki},
journal= {arXiv preprint arXiv:2301.12346},
year = {2023}
}