Mixing-Law Uncertainty in Multivariate Normal Mean-Variance Mixtures: Semi-parametric Estimation and Robust Cumulative-Prospect Decisions
School of Economics and Management, Xinjiang University（新疆大学经济与管理学院）
研究多元正态均值-方差混合中混合律不确定性，通过比较六种参数混合律与非参数估计器确定有限模糊集，考虑累积前景问题，证明相关结果并应用于股票回报，表明混合模型表现优，最坏情况模型在投资组合优化阶段确定。
2026-07-22 q-fin.MF q-fin.PM q-fin.ST
Identifying the Free Boundary of a Stochastic, Irreversible Investment Problem via the Bank-El Karoui Representation Theorem
我们研究了一个有限时间内生产单一产品的随机连续时间模型。我们的生产能力模型作为一个伊藤扩散控制的非递减过程代表的累积投资。公司的目标是通过选择最优投资过程来最大化其预期总净利润。这是一个奇异随机控制问题。我们得到了一些最优性的一阶条件，并根据基本容量过程描述了最优解，即在Bank和El Karoui（2004）的精神中表示问题的唯一解。我们表明，基本容量是确定性的，它是确定的自由边界的相关的最优停止问题，当控制扩散的系数是时间的确定性函数。这在有限时域奇异随机控制问题的文献中是一个新的结果。作为一个子产品，这一结果使我们能够获得一个积分方程的自由边界，我们明确解决了在无限地平线的情况下的Cobb-Douglas生产函数和常数系数的控制能力的过程。
2013-12-01 math.OC math.PR q-fin.PM
Skorohod's representation theorem and optimal strategies for markets with frictions
我们证明了最优策略的存在性与累积前景理论的偏好，谁在连续时间流动性不足的市场交易的代理，超越已知的结果，只涉及到风险厌恶的效用最大化。这些论点利用了Skorohod的表示定理的一个扩展，用于紧序列的概率测度。该方法适用于许多类似的优化问题。
2017-04-12 math.OC q-fin.PM
Optimal investment policy and dividend payment strategy in an insurance company
本文考虑了一类保险公司的最优分红问题，其无控准备金过程演化为经典的Cramér-Lundberg过程。该公司可以选择将部分盈余投资于布莱克-斯科尔斯金融市场。我们的目标是找到一个策略，包括投资和股息支付政策，最大化的累积预期贴现股息支付，直到破产的时间。我们证明了最优值函数是相应的二阶积分微分哈密顿-雅可比-贝尔曼方程的最小粘性解。研究了最优值函数的正则性。我们证明了最优股利支付策略具有带结构。我们找到了一种方法来构造一个候选解决方案，并得到一个验证结果，以检查最优性。最后，我们给出了一个例子，其中最优股利策略不是障碍，最优价值函数不是二次连续可微的。
2010-10-21 math.PR q-fin.PM
Fractal Optimization of Market Neutral Portfolio
提出了一种多空投资组合优化的分形方法。算法系统的基础上的组成市场中性的价差到一个单一的实体进行了审议。该优化方案的核心是一个分形行走模型的回报，优化风险规避根据投资期限。价差收益的协方差矩阵已被用于优化和修改，根据赫斯特稳定性分析。在五个时间段的观察中，样本外的业绩数据已经代表了交易所交易基金的空间。所考虑的投资组合系统在统计上比被动投资更稳定，在观察期内具有更高的风险调整累积回报。
2016-12-18 nlin.CD q-fin.PM
Neural Network Approach to Portfolio Optimization with Leverage Constraints:a Case Study on High Inflation Investment
本文提出杠杆可行神经网络（LFNN）解决高通胀下有界杠杆约束的投资组合最优控制问题，其策略持续跑赢被动基准约200基点且胜率超90%。
2023-05-24 cs.CE q-fin.CP q-fin.PM
Beating the Best Constant Rebalancing Portfolio in Long-Term Investment: A Generalization of the Kelly Criterion and Universal Learning Algorithm for Markets with Serial Dependence
Scuola Normale Superiore（诺曼大学）
针对在线投资组合，提出利用资产收益序列依赖的通用学习算法，无需分布假设，超越最优恒定再平衡组合，并推广凯利准则，实验验证有效。
2025-07-08 cs.IT cs.LG math.IT
PolyModel for Hedge Funds' Portfolio Construction Using Machine Learning
本研究利用机器学习与PolyModel特征选择，探讨对冲基金投资绩效提升，发现机器学习增强收益但增加波动，全面特征选择更优，且大型基金并非更可靠。
2024-12-15 q-fin.PM q-fin.ST
Generative AI-enhanced Sector-based Investment Portfolio Construction
Ukrainian Catholic University（乌克兰天主教大学）；SS&C Algorithmics；University of Toronto（多伦多大学）；Hong Kong Polytechnic University（香港理工大学）
本文探讨了生成式AI在量化行业投资组合构建中的应用，发现其在稳定市场中表现优异，但在波动市场中表现欠佳，强调了混合AI-量化框架的潜力。
2025-12-31 cs.AI cs.CE q-fin.CP
A General Framework for Portfolio Theory. Part I: theory and various models
效用和风险是衡量投资成功的两个相互竞争的指标。我们表明，有效的权衡这两个测量的投资组合之间发生的，在一般情况下，在二维空间的效用和风险的凸曲线。这是一个相当普遍的模式。Markowitz的现代投资组合理论[H. Markowitz，Portfolio Selection，1959]及其自然推广，资本市场定价模型，[W. F. Sharpe，Mutual fund performance，1966]是我们的一般框架的特殊情况，当风险度量是标准差，效用函数是恒等映射时。使用我们的一般框架，我们也恢复[R. T. Rockafellar，S. Uryasev和M. Zabarankin，Master funds in portfolio analysis with general deviation measures，2006]，扩展了资本市场定价模型，允许使用更一般的偏离度量。该广义资本资产定价模型也适用于例如当最大回撤的近似值被认为是风险度量时。此外，考虑到一个通用的效用函数，允许超越“加性”的性能指标，以“乘性”的累积回报之一，通过使用日志效用。因此，增长最优投资组合理论[J.Lintner，风险资产的估值和股票投资组合和资本预算中风险投资的选择，1965]和杠杆空间投资组合理论[R. Vince，The Leverage Space Trading Model，2009]也可以在…
2017-10-12 q-fin.PM
Adaptive Robust Online Portfolio Selection
在线投资组合选择（OLPS）问题不同于经典的投资组合模型问题，因为它涉及到顺序投资决策。文献中描述的许多OLPS策略基于各种信念捕捉市场走势，并被证明是有利可图的。在本文中，我们提出了一个强大的优化（RO）为基础的战略，考虑到交易成本。此外，不同于现有的研究，校准模型参数的基准数据集，我们开发了一种新的自适应方案，决定参数顺序。我们的方案以广泛的参数作为输入，捕捉市场的上升趋势，防止市场的下跌趋势，同时控制交易频率，以避免过高的交易成本。我们在数值上证明了我们的自适应方案的优势，对各种设置下的几个基准。我们的自适应方案也可能是有用的一般顺序决策问题。最后，我们比较我们的策略与现有的OLPS策略使用基准和新收集的数据集的性能。我们的策略优于这些现有的OLPS策略的累积回报率和竞争力的夏普比率在多样化的数据集，证明其适应性驱动的优势。
2022-06-02 math.OC q-fin.PM
Optimal Investment Under Transaction Costs
Koc University（科奇大学）
从信号处理角度研究比例交易成本下离散时间多资产市场的最优增长组合，通过阈值再平衡框架将可达组合集建模为不可约马尔可夫链，并优化参数得到增长最优组合。
2012-07-17 cs.SY eess.SY q-fin.PM
Design and Analysis of Optimized Portfolios for Selected Sectors of the Indian Stock Market
投资组合优化是一个具有挑战性的问题，吸引了大量的关注和努力，从研究人员。股票投资组合的优化是一个特别困难的问题，因为股票价格是波动的，在大多数情况下，估计其未来的波动率和价值是非常困难的，如果不是不可能的。这项工作使用三个比率，夏普比率，索提诺比率，和Calmar比率，为印度国家证券交易所（NSE）上市的六个重要部门设计均值-方差优化投资组合。为每个行业设计了三个投资组合，根据2017年1月1日至2020年12月31日每个行业十大股票的历史价格最大化比率。投资组合的评估是根据2021年1月1日至2021年12月31日测试期间的累计回报进行的。确定了大多数部门在训练和测试期间产生最大累积收益的比率。在相同的比率下，表现出最大累积回报的行业也被确定。研究结果为股票市场的投资者提供了有益的启示，使他们能够根据与六个行业及其股票相关的当前收益和风险做出投资决策。
2022-10-08 q-fin.PM
Ensembling Portfolio Strategies for Long-Term Investments: A Distribution-Free Preference Framework for Decision-Making and Algorithms
Scuola Normale Superiore（高等师范学院）；Scuola Superiore Sant’Anna（圣安娜高等学校）
本文提出一种无分布偏好的组合策略集成框架，可在不依赖统计假设的情况下组合任意数量策略，实验表明其长期累计财富超越最佳单一策略，且加速变体性能更优。
2025-02-06 cs.IT cs.LG math.IT
Evaluating AI Investment Strategies
ablemarkets.com（ablemarkets公司）
研究通过可观测输入输出审计黑箱算法决策者，提出动态策略累积遗憾的精确分解，扩展至多期随机动态规划，并给出偏差修正与轨迹估计器。
2026-06-07 cs.AI econ.EM q-fin.PM
A Note on the Quantile Formulation
许多离散或连续时间环境下的投资模型归结为决策变量分位数函数的目标最大化。这个分位数优化问题被称为原始投资问题的分位数公式化。在一定的单调性假设下，文献中已经提出了几种解决这种分位数优化问题的方案。在本文中，我们提出了一个变量的变化和松弛的方法来解决分位数优化问题，而不使用变分法或任何单调性假设。该方法是证明通过一个投资组合选择问题下的秩相关效用理论（RDUT）。我们发现，这个问题是等价于一个经典的默顿的投资组合选择问题下的期望效用理论具有相同的效用函数，但不同的定价核明确确定给定的定价核和概率加权函数。利用这一结果，解决了RDUT下投资组合选择问题的可行性、适定性、可达性和唯一性问题。它还表明，解决功能优化问题可能会减少到解决概率优化问题。该方法适用于具有规律不变偏好测度的一般模型，包括累积前景理论（CPT）或RDUT下的投资组合选择模型、Yaari的对偶模型、Lopes的SP/A模型以及CPT或RDUT下的最优停时模型。
2014-04-11 q-fin.PM
Continuous-Time Portfolio Optimisation for a Behavioural Investor with Bounded Utility on Gains
研究了有限时间内连续时间（本质）完备金融市场的最优投资问题。我们处理一个投资者的行为与累积前景理论的原则一致，其收益的效用函数是有界的。的适定性的优化问题是平凡的，并推导出一个最佳的交易策略存在的必要条件。这个条件要求投资者的损失概率失真函数不会比给定的比率更快地接近0，这是由效用函数决定的。在额外的假设下，我们证明了这个条件确实是可达性的边界，在这个意义上，对于收敛较慢的失真函数确实存在一个最佳的投资组合。
2014-03-17 q-fin.PM
On the Exact Solution of the Multi-Period Portfolio Choice Problem for an Exponential Utility under Return Predictability
本文在收益可预测性假设下推导了指数效用多期投资组合选择问题的精确解，证明最优权重取决于未来两期协方差矩阵和下一期条件均值，并通过实证研究比较了该策略与独立收益假设下策略的财富分布表现。
2012-07-04 math.OC math.PR q-fin.PM
Artificial Intelligence in Equity and Crypto Markets: Progress, Profitability Evidence, and the Limits of Automated Investing
本文综述AI在股票与加密货币市场的应用进展，发现AI在预测等上游环节有进展但缺乏持久净绩效，无通用AI架构能持续提供净阿尔法，需满足特定条件提升证据与实施但不保证盈利。
2026-09-07 cs.AI q-fin.PM q-fin.TR
Optimal Payoffs under State-dependent Preferences
大多数决策理论，包括期望效用理论、等级依赖效用理论和累积前景理论，都假设投资者只对收益的分配感兴趣，而对获得收益的经济状态不感兴趣。当经济处于低迷时期时，最优收益的结果最低，这一特征往往与许多投资者的需求不一致。我们介绍了一个框架内，国家依赖的偏好可以容纳的投资组合选择。具体来说，我们假设投资者关心最终财富的分配及其与某些基准的相互作用。在这种情况下，我们能够以明确的形式表征最优收益。此外，我们扩展了经典的期望效用优化问题的默顿状态依赖的情况。详细讨论了它在安全设计中的一些应用，并解决了目标概率优化问题的一些随机扩展。
2014-07-01 q-fin.PM q-fin.PR
Relative growth rate optimization under behavioral criterion
研究了完全市场中具有概率失真的前景型偏好的行为投资者的连续时间最优投资组合问题。投资者关心的是最终的相对增长率（对数回报率），而不是绝对的资本价值。该模型可以看作是经典增长最优问题在行为框架下的推广。在非线性Choquet期望下，得到了一类新的M型效用最大化问题.由于概率失真的存在，经典的随机控制方法不再适用。利用鞅方法、凹化和分位数优化技术，得到了最优增长率的封闭形式。研究发现，基准增长率对投资行为有显著影响。与Zhang等人将相同的偏好测度应用于终端相对财富的情况相比，我们发现了一个新的现象，即当投资者的风险承受能力水平较高且市场状态较差时，投资者的最终相对财富也会受到偏好测度的影响。此外，我们在每种情况下的最优财富对定价内核的敏感性都较低，因此比他们的更稳定。
2022-11-10 q-fin.MF q-fin.PM
Optimizing Portfolio Performance through Clustering and Sharpe Ratio-Based Optimization: A Comparative Backtesting Approach
Seoul National University（首尔大学）；Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔大学人工智能交叉项目）
本文提出一种结合K-Means聚类和夏普比率优化的比较回测方法，以提升投资组合的风险调整后收益，并通过多资产类别历史数据验证其优于等权重基准。
2025-01-22 cs.LG q-fin.PM
