帕累托驱动代理(ParDen-Sur)辅助的多周期投资组合回测仿真优化
神经与进化计算
2022-09-28 v1 人工智能
摘要
投资组合管理是一个受广泛约束的多周期多目标优化问题。然而在实践中，投资组合管理被视为单周期问题，部分原因是构建多周期帕累托前沿所需的计算负担沉重的超参数搜索过程。本研究提出ParDen-Sur建模框架以高效执行所需的超参数搜索。ParDen-Sur扩展了先前的代理框架，在传统的接受采样方案之外，加入了基于蓄水池采样的 evolutionary algorithms(EA)后代生成前瞻机制。我们在两个数据集上针对多种开创性多目标(multi-objective, MO) EA以及与之结合，对该框架在单周期和多周期用例下进行了评估。我们的结果表明，ParDen-Sur可将最优超参数的探索速度加快近，并在统计显著的帕累托前沿改进上，跨多个EA、两个数据集和两种用例均取得提升。
引用
@article{arxiv.2209.13528,
title = {Pareto Driven Surrogate (ParDen-Sur) Assisted Optimisation of Multi-period Portfolio Backtest Simulations},
author = {Terence L. van Zyl and Matthew Woolway and Andrew Paskaramoorthy},
journal= {arXiv preprint arXiv:2209.13528},
year = {2022}
}