面向投资组合构建的具理论动机的数据增强与正则化

我们考虑的任务是投机市场中的投资组合构建，这是现代金融中的一个基本问题。尽管现在已有各种经验性工作探索深度学习在金融中的应用，但理论方面几乎空白。本工作中，我们聚焦于开发一个理论框架，以理解基于深度学习的量化金融方法中使用数据增强的作用。所提理论阐明了数据增强在金融中的角色与必要性；此外，我们的理论表明，将强度为 $\sqrt{|r_{t-1}|}$ 的随机噪声注入到观测收益 $r_{t}$ 的简单算法，优于不注入任何噪声以及几种与金融无关的数据增强技术。