具有行业暴露正则化的投资组合集成在线学习
机器学习
2016-04-13 v1
摘要
我们考虑投资组合选择算法集成的在线学习，旨在通过鼓励相对于预定义的股票风险驱动分组的分散化来正则化风险。我们的过程使用在线凸优化来控制对底层投资算法的资本配置，同时鼓励给定分组上的非稀疏性。我们证明了该过程相对于后见之明最佳集成的对数悔值。我们将该过程应用于已知的均值回归投资组合选择算法，使用标准的GICS行业板块分组。经验实验结果显示风险调整收益（夏普比率）的百分比提升令人瞩目。
引用
@article{arxiv.1604.03266,
title = {Online Learning of Portfolio Ensembles with Sector Exposure Regularization},
author = {Guy Uziel and Ran El-Yaniv},
journal= {arXiv preprint arXiv:1604.03266},
year = {2016}
}