在线投资组合选择中最优策略组合的元学习
最优化与控制
2025-05-13 v2
摘要
本文提出了一种创新的在线投资组合选择模型，该模型置于元学习框架内，并利用了一种混合策略。其核心思想是模拟一个雇佣多位基金经理的基金，每位经理擅长处理不同的市场环境，并动态地将我们的资金分配给这些基金经理进行投资。为了解决金融市场的非平稳性，我们将长期过程划分为多个短期过程以适应变化的环境。我们使用聚类方法识别出一组历史表现优异且相似度低的策略作为候选策略。此外，我们采用元学习方法搜索能够快速适应即将到来的目标投资任务的初始参数，从而有效地提供一组合适的初始策略。随后，我们使用目标任务更新初始参数，并确定这些候选策略的最优混合权重。实证测试表明，我们的算法在训练时间和数据需求方面表现出色，使其特别适用于高频算法交易。为了验证我们方法的有效性，我们在交叉训练数据集上进行了数值测试，证明了其优异的可迁移性和鲁棒性。
引用
@article{arxiv.2505.03659,
title = {Meta-Learning the Optimal Mixture of Strategies for Online Portfolio Selection},
author = {Jiayu Shen and Jia Liu and Zhiping Chen},
journal= {arXiv preprint arXiv:2505.03659},
year = {2025}
}