面向资产配置的签名信息转换器
机器学习
2026-01-23 v3 人工智能
投资组合管理
摘要
现代深度学习资产配置方法通常将预测与优化分离。我们认为这导致了根本性的不匹配：最小化预测误差并不一定能产生稳健的投资组合。我们提出了签名信息转换器以解决此问题，通过将特征提取与决策制定统一到单个策略中。我们的模型采用路径签名来编码复杂的路径依赖关系，并引入针对几何资产关系的专用注意力机制。通过直接最小化条件价值风险（CVaR），我们确保训练目标与财务目标一致。我们证明了注意力模块严格放大了从签名中派生的信号。跨越 diverse equity universes 的实验表明，我们的方法在对抗传统策略和先进预测基准方面显著优于后者。代码已公开：https://anonymous.4open.science/r/Signature-Informed-Transformer-For-Asset-Allocation-DB88
引用
@article{arxiv.2510.03129,
title = {Signature-Informed Transformer for Asset Allocation},
author = {Yoontae Hwang and Stefan Zohren},
journal= {arXiv preprint arXiv:2510.03129},
year = {2026}
}