Active Portfolio Management in Concentrated Equity Markets
University of Toronto（多伦多大学）
针对集中股票市场，提出基于随机多样性-离散度模型的主动配置策略，通过随机控制求解最优交易率，在S&P 500样本外回测中超越等权重和市场组合。
2026-10-15 math.OC q-fin.MF q-fin.PM
Market Efficiency and Growth Optimal Portfolio
本文预测了股票市场的有效市场性质，股票，当以单位的增长最优投资组合（GP），有零的瞬时预期收益率。充分分散的股票投资组合被证明接近GP，这解释了同样加权的投资组合的良好表现。建议的层次加权指数（HWI）被证明是一个更好的代理GP。它在工业和地理类别的股票中规定了平等的权重。当使用HWI作为GP的代理时，有效市场属性不能被轻易拒绝，并且似乎非常稳健。
2017-06-21 q-fin.PM
Benchmarking Deep Time Series Models for Equity Portfolios
School of Mathematical Sciences, Beijing Normal University（北京师范大学数学科学学院）；School of Management, Shandong University（山东大学管理学院）；Peking University National School of Development（北京大学国家发展研究院）
构建2018-2024年CRSP日频股票基准，结合多准则可接受性分析与约束投资组合层，评估15种深度和统计时间序列架构，发现无模型占优，TransEnc-8排名第一可接受性0.352。
2026-06-08 math.OC q-fin.PM
Deep Reinforcement Learning Framework for Diversified Portfolio Management Across Global Equity Markets
Quantitative Finance Research Group, Faculty of Economic Sciences, University of Warsaw（经济科学学院量化金融研究组，华沙大学）；Quantitative Finance Research Group, Department of Quantitative Finance and Machine Learning, Faculty of Economic Sciences, University of Warsaw（经济科学学院量化金融与机器学习系量化金融研究组，华沙大学）
本文提出并评估了一个深度强化学习框架，用于动态分配全球股票市场投资组合，通过比较五种模型配置，探讨了奖励函数、策略结构、投资组合约束和时间编码器对风险调整后表现的影响。
2026-05-17 cs.AI cs.LG cs.NE
Portfolio Construction Matters
投资组合构建在实施股票市场中性因素方面的作用往往被低估。以经典的动量策略为例，我们表明，通过适当地照顾这一关键步骤，可以显着改善主策略的功能。更准确地说，优化的投资组合构建算法可以显著提高夏普比率，减少行业风险和波动性波动，并减轻策略的偏度和尾部与市场的相关性。这些结果得到了长期的、世界范围的模拟的支持，并将被证明是普遍的。我们的研究结果是相当普遍的，适用于其他一些“公平因素”。最后，我们讨论了一个更现实的设置，我们也处理交易成本的细节。
2018-10-19 q-fin.PM
The "Size Premium" in Equity Markets: Where is the Risk?
我们发现，当以美元周转率衡量时，一旦$β$中和和低汇率中和，规模效应是活的，很好。对于长期t统计值$5.1$，“冷-减-热”（CMH）异常的重要性肯定不低于其他众所周知的因素，如价值或质量。与基于市值的中小企业相比，CMH投资组合与低风险异常的反相关性要小得多。与标准风险溢价相比，基于规模的投资组合几乎没有倾斜。事实上，这些投资组合的极端风险是由大盘股主导的;小盘股实际上具有正（而不是负）偏度。在个股层面上支持风险溢价解释的唯一论点是，即使考虑到波动性，小盘股/周转股的极端下跌也更频繁。然而，这种特殊的风险显然是可以分散的。
2017-08-23 q-fin.PM
A Spectral Generalisation of the Variance Ratio: Eigenstructure of Long-Horizon Portfolio Covariance and a Multi-Memory Factor Model of U.S. Equity Returns
提出Lo-MacKinlay方差比的多元推广，将长期股票收益动态分解为收益和波动记忆成分，构建五因子模型，能拟合多个投资组合面板，同时恢复七个长期股票动态的典型事实，并得出三项有经济意义的发现。
2026-07-07 physics.soc-ph q-fin.PM q-fin.ST
Construction and Hedging of Equity Index Options Portfolios
本研究评估标普500指数期权系统性卖出策略，比较BSM与VG模型在不同实值程度和仓位规模下的对冲效果，发现BSM对冲更优，130分钟日内再对冲兼顾保护与回报。
2024-07-18 q-fin.PM q-fin.RM q-fin.TR
Wealth Effect on Portfolio Allocation in Incomplete Markets
我们开发了一种新颖的最佳动态投资组合选择的五分量分解，揭示了市场不完全性和财富依赖性公用事业的同时影响。在HARA效用和非随机利率下，我们可以将最优策略明确地求解为债券持有计划和相应的简单CRRA策略的组合。在基于美国股票数据的随机波动率模型下，我们使用封闭解来证明财富依赖效用对最优投资组合配置的复杂影响，包括周期依赖和滞后效应，以及投资绩效的风险收益权衡。
2021-08-26 q-fin.PM
Isotropic Correlation Models for the Cross-Section of Equity Returns
本文提出股票收益协方差的等相关各向同性模型，基于S&P 500实证表明其优于线性因子模型，并指出特质风险不可分散，从而挑战C.A.P.M.与A.P.T.并肯定选股价值。
2025-07-25 q-fin.PM
Effective Algorithms for Optimal Portfolio Deleveraging Problem with Cross Impact
我们研究的最优投资组合去杠杆化（OPD）问题的永久和暂时的价格影响，其目标是最大化的股本，同时满足规定的债务/股本要求。我们考虑了不同资产之间交叉影响的实际情况。然而，由此产生的问题是一个非凸二次规划的二次约束和框约束，这是已知的NP-难。在本文中，我们首先开发了一个连续的凸优化（SCO）方法来解决OPD问题，并证明了SCO算法收敛到其转换问题的KKT点。其次，我们提出了一种有效的OPD问题全局算法，该算法集成了SCO方法、简单凸松弛和分支定界框架，可以在预先指定的$ε$ -公差范围内确定OPD问题的全局最优解。我们建立了我们的算法的整体收敛，并估计其复杂性。我们还进行了数值实验，以证明我们提出的算法的有效性与真实数据和随机生成的中型和大型OPD问题的实例。
2021-01-15 math.OC q-fin.PM
Co-trading networks for modeling dynamic interdependency structures and estimating high-dimensional covariances in US equity markets
本文利用高频协同交易关系构建股票动态网络，通过谱聚类发现具有经济意义且随时间演变的股票聚类，并据此提出高维协方差稳健估计器，显著提升投资组合配置效果。
2024-05-13 q-fin.PM q-fin.TR
Equity Factors: To Short Or Not To Short, That Is The Question
什么是经典股票因子的最佳市场中立实现？人们应该利用短肢的特定可预测性来构建一个零贝塔的多空组合，尽管与做空相关的特定成本，还是更可取的做法是禁止做空，并用指数期货来对冲长肢？我们通过关注两条腿的相对可预测性、多样化问题和各种成本来源来重新审视这个问题。我们的结论是，使用相同的因子，多空组合的实施会比对冲多头组合带来更高的风险调整收益率，至少在管理的资产规模不太大的情况下是这样。
2021-04-06 q-fin.PM q-fin.ST
Building Trust in Illiquid Markets: an AI-Powered Replication of Private Equity Funds
本文提出一种利用流动性强的人工智能增强策略复制私募股权表现的新框架，通过图模型和非对称风险调整，实现与季度基准紧密对齐，以增强投资组合韧性并支持市场稳定。
2025-10-27 q-fin.PM q-fin.PR q-fin.TR
Functional portfolio optimization in stochastic portfolio theory
在本文中，我们开发了一个具体的和完全可实现的方法来优化随机投资组合理论中的功能生成的投资组合。其主要思想是优化一个家庭的排名为基础的投资组合参数的指数凹函数的单位区间。这一选择的动机可能是在大型股票市场中观察到的资本分布的长期稳定性，并允许我们规避维数灾难。由此产生的优化问题，这是凸的，允许各种正则化和约束施加在生成函数上。我们证明了我们的优化问题的存在性和唯一性的结果，并提供了一个稳定性估计的Wasserstein度量的输入措施。然后，我们制定了一个离散化，可以实现数值使用现有的软件包，并分析其近似误差。最后，我们提出了实证的例子，使用CRSP数据从美国股票市场，包括业绩的投资组合考虑股息，违约，和交易成本。
2021-10-10 math.OC q-fin.PM
A Case Study of Next Portfolio Prediction for Mutual Funds
University of São Paulo（圣保罗大学）
本文将共同基金未来持仓预测形式化为 NNBR 任务，构建公开基准并比较推荐模型，发现自编码器更擅长预测新增标的，且领域特征至关重要。
2024-10-08 cs.LG q-fin.PM
The geometry of relative arbitrage
考虑一个有$n$股票的股票市场。属于每只股票的总市价总值的比例向量称为市场权重。市场权重定义了市场投资组合，市场投资组合是代表整个股票市场表现的买入并持有投资组合。考虑一个函数，它为市场权重的每个可能值分配一个投资组合向量，我们使用这个投资组合函数执行自融资交易。我们研究的问题的特征功能，使由此产生的投资组合将优于市场的投资组合在长期的多样性和充分的波动条件下。没有对股票价格的未来行为做出其他假设。我们证明，唯一的解决方案是功能生成的投资组合的意义上的Fernholz。第二个特征是作为一个显着的最优运输问题的最优映射。这两个特征都来自投资组合的一个新性质，称为乘法循环单调性。
2015-07-28 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
Dynamic and static fund separations and their stability for long-term optimal investments
本文研究了三类模型下的动态和静态基金分离及其稳定性。在由一种安全资产、几种风险资产和一个状态变量组成的不完全市场中，投资者在相对风险厌恶不变的情况下最大化期望效用。两个模型类中的状态变量分别遵循3/2过程和逆贝塞尔过程。另一种市场模型将部分观测的状态变量建模为Ornstein-Uhlenbeck状态过程。我们证明了这种效用最大化的动态最优投资组合由m+3个投资组合组成：安全资产、近视投资组合、m个时间无关投资组合和跨期投资组合。随着时间的推移，跨期投资组合最终消失，导致动态投资组合收敛到m+2个投资组合，称为静态投资组合。我们还证明了在模型参数扰动下收敛是稳定的。此外，跨期投资组合对小参数扰动的敏感性也在长期消失。跨期投资组合的收敛速度及其灵敏度计算明确提出的模型。
2023-03-13 q-fin.MF q-fin.PM
Variable selection for minimum-variance portfolios
本文研究机器学习在最小方差投资组合变量选择中的应用，将权重参数化为4,610个公司特征及其非线性变换的函数，发现ML选择变量能显著降低风险并改善夏普比率，表明临时稀疏性可能损害投资组合表现。
2025-08-20 q-fin.PM stat.ML
Do Mutual Funds Make Active and Skilled Liquidity Choices in Portfolio Management? Evidence from India
本研究基于印度开放式股票型基金数据，发现基金经理通过调整现金持有进行主动流动性管理，以有利估值购入低流动性股票，且主动流动性选择能带来显著超额收益，凸显其在流动性差异大的市场中的重要性。
2025-10-03 q-fin.PM q-fin.TR
Robustifying Conditional Portfolio Decisions via Optimal Transport
本文提出融合辅助信息、条件估计与最优传输模糊集的分布鲁棒投资组合选择模型，并将其转化为有限维锥规划，实证显示其优于基准方法。
2024-04-09 math.OC q-fin.PM stat.ML
Black-Litterman, Bayesian Shrinkage, and Factor Models in Portfolio Selection: You Can Have It All
本文提出一种贝叶斯蓝图，将收缩估计与观点包含融合并应用于 Fama-French 因子模型，构建了统一框架，实证表明其优于 1/N 投资组合和样本估计器最优组合。
2023-11-23 q-fin.PM
`To Have What They are Having': Portfolio Choice for Mimicking Mean-Variance Savers
本文研究具有模仿意愿的均值-方差投资者群体，通过引入汇总成员偏好的共同基金，推导出最优投资组合权重的显式解析解，并证明模仿型个体投资该基金可获得优势。
2016-11-04 q-fin.MF q-fin.PM
An Empirical study on Mutual fund factor-risk-shifting and its intensity on Indian Equity Mutual funds
该研究针对印度股票型共同基金，通过估算贝塔系数、识别断点等方法分析投资风格转移及强度，发现风格调整可依市场行情提升收益，补充了共同基金评估领域的研究。
2025-10-22 q-fin.GN q-fin.PM
Hedge Fund Portfolio Construction Using PolyModel Theory and iTransformer
Stony Brook University（石溪大学）；University of Paris I: Pantheon-Sorbonne（巴黎第一大学先贤祠-索邦大学）
针对金融时间序列数据稀疏导致机器学习方法应用困难的问题，本文结合PolyModel理论和iTransformer模型构建对冲基金投资组合，通过多风险因素选择、定量指标设计及深度学习技术提升，实现了更优的夏普比率和年化收益率。
2025-02-13 cs.LG q-fin.PM
The impact of big winners on passive and active equity investment strategies
该研究结合数值与分析技术，基于2006-2021年全球股指数据，发现集中组合收益低于等权重指数，主动投资易因错失大赢家股票跑输市场，被动策略更利于实现长期财务目标。
2023-10-09 q-fin.PM
Maximum drawdown, recovery, and momentum
本研究基于最大回撤及复苏构建选股规则，实证检验其在多股票市场的资产价格预测能力，发现月度最大回撤组合、周度复苏规则分别在动量、均值回归检测中表现更优，且风险特征与因子中性表现更稳健。
2021-09-06 q-fin.GN q-fin.PM q-fin.RM
Optimal market completion through financial derivatives with applications to volatility risk
本文在随机波动率（SV）模型的框架下研究了金融衍生金融市场的最优选择问题。我们引入了一个有效的和准确的模拟为基础的方法，适用于广义扩散模型，近似的最佳衍生工具为基础的投资组合策略。我们建立在Escobar-Anel等人（2022）提出的双重优化方法（即期望效用最大化和风险敞口最小化）的基础上;证明扼杀期权是股票期权中市场完成的最佳选择。此外，我们探讨了使用波动率指数衍生品的好处，并得出结论，他们可能是更方便的替代品时，只有长期到期的股票期权。
2022-02-16 q-fin.CP q-fin.PM
Signal or Noise in Multi-Agent LLM-based Stock Recommendations?
MarketSenseAI
本文验证了MarketSenseAI多智能体LLM股票系统在投资组合层面的表现，发现其买入推荐在被动基准和随机选择上具有超额收益，揭示了智能体结构对alpha来源的适应性整合机制。
2026-04-19 cs.AI q-fin.PM q-fin.ST
Construct sparse portfolio with mutual fund's favourite stocks in China A share market
针对中国A股市场难寻持续跑赢市场的公募基金的问题，本研究通过量化方法，基于公募基金偏好股票，在个股与行业敞口约束下构建两类稀疏组合，分别实现对偏股基金指数的高相关性跟踪及持续超额收益。
2023-04-24 q-fin.PM
Planning for the Efficient Updating of Mutual Fund Portfolios
J.P. Morgan（摩根大通）
本文针对共同基金投资组合更新中的交易优化问题，提出线性规划与启发式搜索方法以生成执行计划，并通过评估证明其相比基准策略能有效降低成本。
2023-11-27 cs.AI q-fin.PM
Two-fund separation under hyperbolically distributed returns and concave utility functions
University of Michigan（密歇根大学）；Keio University（庆应义塾大学）；Department of Management Science and Engineering, Xinjiang University（新疆大学管理科学与工程系）；Xi’an Jiaotong-Liverpool University（西交利物浦大学）
本文研究了在超几何分布回报和凹效用函数下，双基金分离的成立条件，并提供了风险资产组合的显式表达式。
2026-02-14 q-fin.PM
The Dirichlet Portfolio Model: Uncovering the Hidden Composition of Hedge Fund Investments
长期以来，对冲基金一直被视为名副其实的投资“黑匣子”，因为外界可能永远无法看到投资组合的确切构成。因此，估计一组信息丰富的资产权重的能力对于分析来说是非常可取的。本文提出了一个组合状态空间模型，当唯一可观测的信息是投资组合收益率和候选资产收益率的时间序列时，估计投资组合在一组候选资产上的未观测资产配置权重。在本文中，我们展示了两个序贯蒙特卡罗数值和条件正态分析方法来解决未观察到的资产权重时间序列的估计。该方法的动机是估计1996年至2012年对冲基金行业总体的月度资产类别权重。此外，我们将展示如何实施的结果作为预测的投资权重，以构建对冲基金复制投资组合。
2013-06-04 q-fin.PM q-fin.ST stat.AP
Venture Capital Portfolio Construction and the Main Factors Impacting the Optimal Strategy
风险投资（VC）基金的最佳投资组合规模是一个经常争论的话题，但对于最佳策略没有达成共识。这是因为它是许多因素的函数。要找到一个适用于所有情况的通用公式并不容易，这在很大程度上取决于基金的目标。在本报告中，我们将逐步介绍不同的因素，研究它们如何影响基金回报和最佳投资组合规模，从一些基本假设开始，然后增加模型的复杂性。
2023-03-20 q-fin.PM
Market-Implied Sustainability: Insights from Funds' Portfolio Holdings
University of Bergamo（贝加莫大学）
本文提出通过基金层面的可持续性分类和细粒度持仓数据构建市场隐含可持续性（MIS）评分，分析其与传统ESG评级的差异及投资应用价值。
2026-03-16 q-fin.PM
Random Matrix Theory and Fund of Funds Portfolio Optimisation
对冲基金投资的专有性质意味着，基金经理通常只发布最少的有关其回报的信息。构建对冲基金的基金投资组合需要一个相关矩阵，通常必须使用相对较小的月度回报数据样本进行估计，这会产生噪声。在本文中，随机矩阵理论（RMT）被应用到交叉相关矩阵C，利用对冲基金收益率数据构建。分析揭示了一些偏离RMT建议的频谱的特征值。偏离特征向量的组成部分被发现对应于不同的组的策略，适用于对冲基金经理。逆参与比用于量化参与每个特征向量的分量的数量。最后，通过将C的噪声部分与非噪声部分分离来清洁相关矩阵。这种技术被发现大大减少了投资组合的预测和实现风险之间的差异，从而改善了对冲基金的风险状况。
2010-05-27 q-fin.PM q-fin.RM q-fin.ST
Hedging Properties of Algorithmic Investment Strategies using Long Short-Term Memory and Time Series models for Equity Indices
Krakow University of Economics（克拉科夫经济大学）；University of Warsaw（华沙大学）
本文提出在集成算法投资策略层面进行分散化对冲，利用LSTM、ARIMA-GARCH、动量和逆向模型生成信号，发现LSTM表现最佳且比特币AIS最能分散S&P 500 AIS风险，小时级LSTM优于日度模型。
2023-09-27 cs.AI cs.LG q-fin.CP
Portfolio Optimization and Tail-Risk Analytics of Actively Managed ETFs
Texas Tech University（德克萨斯理工大学）；Kean University（基恩大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
研究主动管理型投资基金的投资组合优化与尾部风险分析，用彭博数据评估多种策略，结果显示不同策略有异质性，切线型投资组合表现佳，动态配置对各策略效果不同，尾部风险诊断表明组合聚合后下行尾部风险仍有意义。
2026-07-07 q-fin.PM q-fin.RM q-fin.ST
