Dynamic CVaR Portfolio Construction with Attention-Powered Generative Factor Learning
本文提出一种基于Attention-GRU的动态生成式因子模型，通过随机变量变换隐式建模多元股票收益联合分布，并结合CVaR优化构建动态投资组合，实验表明该方法能提高收益-风险比并降低尾部风险。
2024-01-17 q-fin.PM
Fat Tails and Optimal Liability Driven Portfolios
本研究针对肥尾和极值风险测度下的负债驱动投资组合，提出极值偏差（XD）风险测度，优化每单位XD的收益，并分析配置的定性与定量特性。
2023-04-15 q-fin.PM q-fin.RM
Discrete time portfolio optimisation managing value at risk under heavy tail return distribution
考虑一个投资者，其投资组合由单一风险资产和无风险资产组成，在风险价值假设股票收益率服从厚尾分布的条件下，期望投资组合期望效用最大化。利用马尔可夫决策过程和动态规划原理，得到了参数分布和非参数分布下最大化期望效用的最优策略和价值函数。由于在非参数情况下缺乏显式解，我们采用数值积分进行优化
2020-11-30 q-fin.MF q-fin.PM
A Bayesian Non-Parametric Approach to Asymmetric Dynamic Conditional Correlation Model With Application to Portfolio Selection
我们提出了一个贝叶斯非参数方法来模拟多重收益率的分布。特别地，我们使用非对称动态条件相关（ADCC）模型来估计金融收益的时变相关性，其中个体波动率由GJR- GARCH模型驱动。ADCC-GJR- GARCH模型考虑了单个资产波动率的不对称性以及相关性。误差建模使用Dirichlet位置-尺度混合的多元高斯分布允许一个很大的灵活性，在偏度和峰度方面的回报分布。模型估计和预测开发使用MCMC方法基于切片采样技术。我们进行了模拟研究，以说明所提出的方法的灵活性。我们发现，所提出的模型是能够适应几个常用的分布模型，也准确地估计后验分布的波动率的回报，而无需假设任何潜在的分布。最后，我们提出了一个金融应用程序，使用苹果和纳斯达克工业指数数据来解决投资组合分配问题。我们发现，施加一个限制性的参数分布可能会导致低估的投资组合方差，而ESTA模型是能够克服这个问题。
2014-01-31 q-fin.PM stat.AP
Portfolio Optimization for Commodity ETFs under Heavy-Tailed Returns
Texas Tech University（德克萨斯理工大学）；North Dakota State University（北达科他州立大学）
研究重尾收益下商品ETF的投资组合优化，比较被动持有与基于均值-方差和CVaR的滚动窗口优化策略，发现保守和下行风险感知的优化更有效，但优化组合仍需显式尾部风险诊断。
2026-06-26 q-fin.PM q-fin.RM
Portfolio Optimization Managing Value at Risk under Heavy Tail Return, using Stochastic Maximum Principle
考虑一个投资者，其投资组合由单一风险资产和一个无风险资产组成，在假设股票收益服从重尾分布的条件下，在管理风险价值（VaR）的条件下，期望最大化其投资组合的期望效用。我们使用随机最大值原理来制定动态优化问题。我们得到的方程没有任何显式的解析解，所以我们寻找精确的近似来估计值函数和最优策略。由于我们的校准策略本质上是非参数的，因此不需要关于分布函数形式的先验知识。我们还提供了详细的实证说明使用现实生活中的数据。我们的研究结果与金融直觉非常一致，我们希望我们的研究结果能增加高频交易者的武器库。
2020-11-30 q-fin.MF q-fin.PM
Beyond Picking Winners: Correlation-Driven Tail Risk in Venture Capital Portfolio Construction
University of Oxford（牛津大学）；Oliver Wyman（奥纬咨询）；Vela Research（Vela研究）
本文基于高斯- copula框架，通过创始人、地理和市场属性的联合成功频率学习交易层面依赖关系，在保持边际成功概率不变的情况下，相关性使组合分布向右侧尾部和更高峰度转移，揭示相关性驱动的尾部放大效应。
2026-04-25 q-fin.PM q-fin.RM q-fin.ST
Diversifying portfolios of U.S. stocks with crude oil and natural gas: A regime-dependent optimization with several risk measures
能源市场对政府和经济发展具有战略意义。一些初级商品作为替代能源和能源多样化竞争。这种竞争降低了国家的能源脆弱性以及投资组合的风险。脆弱性主要是供求冲击后的价格趋势和波动造成的。这种能源价格的不确定性吸引了能源商品市场的许多市场参与者。首先，能源生产者和消费者利用能源衍生品对冲不利的价格变化。第二，金融市场参与者利用商品和商品衍生品使其常规投资组合多样化。因此，我们认为美国（美国）之间的联合依赖。天然气、原油和股票市场。我们使用Gatfaoui（2015）的时变多变量Copula分析和相关方差机制。这种方法处理资产价格的结构性变化。有鉴于此，我们得出了投资组合优化的含义，当投资者分散他们的股票投资组合与天然气和原油资产。在投资组合的预期收益率和/或美国股票投资存在和不存在约束的情况下，我们最小化投资组合的方差、半方差和尾部风险。收益约束降低了最优投资组合的性能。此外，特定于制度的投资组合优化有助于在整个样本期内实施增强的主动管理策略。在收益约束下，半方差最优投资组合提供了最佳的风险收益权衡，而尾部风险最优投资组合提供了最佳的权衡在没有收益约束。
2018-11-06 q-fin.PM
Behavioral Probability Weighting and Portfolio Optimization under Semi-Heavy Tails
本文通过从高斯与NIG分布下的最优投资组合中提取隐含概率加权函数，将行为扭曲纳入理性组合优化，并基于DJIA成分股实证表明尾部厚度和利率期限结构变化会显著影响信念扭曲，为极端风险下的组合风险管理提供了统一分析框架。
2025-07-06 econ.GN q-fin.EC q-fin.PM
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
Portfolio Optimization on Multivariate Regime Switching GARCH Model with Normal Tempered Stable Innovation
本文采用基于模拟的投资组合优化方法来降低投资组合的左尾部风险。贡献是双重的。(i)本文提出了一个具有多元正态调和稳定新息的马尔可夫状态转换GARCH模型（MRS-MNTS-Gestival），以适应厚尾、波动率聚集和状态转换的特点。各资产的波动率独立地服从体制转换GARCH模型，而各GARCH模型的联合新息的相关性服从隐马尔可夫模型。(ii)在投资组合优化中，我们使用尾部风险度量，即条件风险价值（CVaR）和条件提取风险（CDaR）。优化是用MRS-MNTS- GARCH模型模拟的样本路径进行的。我们对最优投资组合的绩效进行了实证研究。样本外检验表明，在各种绩效指标上，具有尾部测度的最优投资组合优于具有标准差测度的最优投资组合和等权重投资组合。最优投资组合的样本外表现对有效前沿上的次优性也更鲁棒。
2023-02-02 q-fin.MF q-fin.PM q-fin.RM
Performance of tail hedged portfolio with third moment variation swap
金融资产收益过程的三阶矩变差定义为收益过程与平方收益过程的二次协变差。可以使用三阶矩变化互换来对冲基础资产的偏斜和厚尾部风险，在该三阶矩变化互换下，交换预定的固定腿和已实现的三阶矩变化的浮动腿。利用偏微分方程方法研究了具有三阶矩变差互换的套期保值组合的概率密度函数。采用交替方向隐式方法对该偏微分方程进行数值分析。在随机波动率和跳跃扩散随机波动率模型下，套期保值组合收益率的分布是对称的，并且具有更多的高斯型薄尾。
2019-08-14 q-fin.CP q-fin.PM q-fin.PR
Portfolio optimization based on forecasting models using vine copulas: An empirical assessment for the financial crisis
我们采用和研究葡萄藤连接模型的对称和非对称的依赖结构和预测财务回报。我们分析了2008-2009年金融危机期间的资产配置，并测试了不同的投资组合策略，如最大夏普比率，最小方差和最小条件风险价值。然后，我们指定了常规的，可绘制的，和典型的藤连接，如学生t，克莱顿，弗兰克，乔，Gumbel，和混合连接，并分析样本内和样本外的投资组合的表现。样本外投资组合的回测表明，藤蔓copula降低投资组合风险比简单copula。我们对各种模型结果的计量经济学分析表明，在降低条件风险价值方面，D-葡萄藤似乎优于R-和C-葡萄藤。总体而言，我们发现，学生t绘制藤蔓copula模型表现最好的风险降低，无论是在整个2005-2012年期间，以及在金融危机。
2019-12-21 q-fin.PM
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
A Robust Statistics Approach to Minimum Variance Portfolio Optimization
我们研究了在最小风险准则下的投资组合设计问题。最优投资组合的绩效依赖于投资组合资产收益率协方差矩阵估计的准确性。对于大型投资组合，可用的市场收益的数量通常与资产的数量相似，因此样本协方差矩阵作为协方差估计器的性能很差。此外，金融市场数据通常包含离群值，如果不正确处理，可能进一步破坏协方差估计。我们解决这些缺点，通过研究的混合协方差矩阵估计泰勒的强大的M-估计和Ledoit-Wolf的收缩估计的基础上，同时假设样本具有重尾分布的性能。利用随机矩阵理论的最新成果，我们开发了一个一致的估计（缩放版本）的已实现的投资组合风险，这是最小化的在线优化收缩强度。我们的投资组合优化方法是通过模拟，以优于现有的方法合成和真实的市场数据。
2015-03-27 q-fin.PM
Optimal Option Portfolios for Skew-Elliptical t Returns
McMaster University（麦克马斯特大学）
本文研究了在偏斜椭圆t分布回报下期权组合的优化问题，通过方差和风险价值(VaR)衡量风险，提出显式组合权重并采用数值优化提升VaR近似效果，验证了偏斜性对组合权重的影响。
2026-04-29 q-fin.PM
Portfolio Optimization Rules beyond the Mean-Variance Approach
本文推导了非对称拉普拉斯分布收益下的投资组合配置规则，并与均值-方差方法比较，提出考虑收益不确定性的最坏情景解及处理奇异协方差矩阵的方法，增强了配置稳定性。
2023-11-13 q-fin.PM
Solving High-Order Portfolios via Successive Convex Approximation Algorithms
投资组合收益率的第一矩和第二矩，也就是均值和方差已被广泛用于评估投资组合的预期收益和风险。投资者在设计投资组合时追求更高的均值和更低的方差。当投资组合收益率服从高斯分布时，这两个矩可以很好地描述收益率的分布。然而，现实世界中的资产收益率分布往往是不对称的、重尾的，远非高斯分布。非对称性和重尾性的特征在于第三和第四中心矩，即，偏度和峰度。较高的偏度和较低的峰度是优选的，以减少极端损失的概率。然而，将高阶矩的投资组合设计是非常困难的，由于他们的非凸性和快速增加的计算成本与维。在本文中，我们提出了一个非常有效的和收敛性证明的算法框架的基础上逐次凸近似（SCA）算法来解决高阶投资组合。数值实验证明了该算法框架的有效性。
2020-08-03 math.OC q-fin.PM
Dynamic Mean-LPM and Mean-CVaR Portfolio Optimization in Continuous-time
越来越多的投资组合模型不再以投资收益的中心矩或终端财富为衡量标准来控制“对称”风险，而是将注意力转移到管理投资收益低于某个阈值的“非对称”下行风险上。在现有的下行风险度量中，下偏矩（LPM）和条件风险价值（CVaR）可能是最有前途的。本文研究了连续时间下的动态均值-LPM和均值-CVaR投资组合优化问题，而目前的文献只讨论了它们的静态版本。我们的贡献是双重的，在建立易于处理的配方，并得出相应的分析解决方案。通过对终端财富施加一个资金水平限制，克服了均值-下向风险投资组合模型的不适定性。限制资金水平不仅使我们能够解决动态均值-LPM和均值-CVaR投资组合优化问题，而且还提供了一种灵活性，以驯服这种均值-下行风险模型产生的投资组合政策的激进性。更具体地说，对于一般的市场设置，我们证明了拉格朗日乘子的存在性和唯一性，这是应用鞅方法的关键一步，并建立了一个理论基础，发展有效的数值求解方法。此外，对于市场环境的机会集是确定性的情况下，我们推导出动态均值LPM和均值CVaR公式的分析投资组合政策。
2014-02-14 q-fin.PM
The Decision Geometry of Covariance Estimation for the Global Minimum-Variance Portfolio under Heavy Tails
Academy for AI, Games and Media（人工智能、游戏与媒体学院）
研究重尾分布下全局最小方差组合的协方差估计问题，通过精确的遗憾恒等式和非渐近界，揭示决策遗憾仅依赖于协方差误差在组合权重上的作用，并推导出决策几何不变性。
2026-06-29 cs.LG q-fin.PM stat.ML
Analytic approach to variance optimization under an $\ell_1$ constraint
由预算约束和一个非对称的$\ell_1$正则化补充的方差的优化进行了解析的复制方法借用无序系统的理论。非对称正则化子允许我们对空头和多头头寸进行不同的惩罚，因此本文将无空头约束的投资组合优化问题作为一个特例。结果的样本外和样本内估计的正则化方差，相对估计误差，密度的资产从投资组合中消除的正则化，和最优投资组合权重的分布。我们已经研究了这些量对投资组合的维度$N$与样本大小$T$的比率$r$以及正则化子的强度的依赖性。我们已经检查了数值模拟的分析结果，并发现一般协议。正则化扩展了可以进行优化的区间，并抑制了大的样本波动，但$\ell_1$正则化的性能相当令人失望：如果样本大小相对于维数较大，即$r$较小，则正则化子不起任何作用，而对于$r$，其中开始感觉到正则化器，估计误差已经很大，使得整个优化练习没有意义。我们发现，$\ell_1$正则化可以消除最多一半的资产从投资组合，对应于此有一个临界比率$r=2$超过该$\ell_1$正则化方差不能优化：正则化方差成为常数的单纯形。这些事实在文献中似乎没有被注意到。
2018-07-13 q-fin.PM
Portfolio selection models based on interval-valued conditional value at risk (ICVaR) and empirical analysis
风险管理对个人投资者或公司都非常重要。有很多方法可以衡量投资的风险。由于金融市场的复杂性，风险资产的价格变化迅速且具有随机性。随机区间是描述不确定性的一个很好的工具，它同时具有随机性和不精确性。考虑到金融市场的不确定性，我们采用随机区间来描述风险资产的收益，并考虑尾部风险，即区间值条件风险价值（ICVaR）。这种ICVaR是一种风险度量，满足次可加性。在新的风险度量ICVaR下，以类似于经典的Markowitz投资组合模型的方式，建立了最优区间值投资组合选择模型。基于中国大陆股票市场的实际数据进行的实证研究表明，本文的模型具有较好的可解释性，且与实际情况相吻合。
2022-07-23 q-fin.PM
Bayesian Parametric Portfolio Policies
Adam Smith Business School, University of Glasgow（格拉斯哥大学亚当·斯密商学院）
本文提出贝叶斯参数化投资组合策略，通过引入先验分布修正传统策略的政策风险问题，实验证明其在风险厌恶和危机时期具有显著优势。
2026-10-27 q-fin.PM
Deep Declarative Risk Budgeting Portfolios
本文提出一种专为风险预算投资组合设计的稳健端到端深度学习框架，通过降低对神经网络初始化的敏感性来提升性能一致性，且在不牺牲表现的情况下始终优于风险平价基准。
2025-04-28 q-fin.CP q-fin.PM
Machine Learning and Factor-Based Portfolio Optimization
我们研究机器学习和基于因素的投资组合优化。我们发现，基于自编码器神经网络的因素表现出较弱的关系，常用的特征排序的投资组合比流行的降维技术。机器学习方法还导致协方差和投资组合权重结构偏离更简单的估计。最小方差投资组合使用潜在的因素，从自动编码器和稀疏的方法在风险最小化方面优于简单的基准。在高波动期间或考虑到尾部风险时，对风险调整收益率敏感度较高的投资者会放大这些影响。
2021-07-29 econ.EM q-fin.PM
Risk management under Omega measure
我们证明了欧米茄措施，考虑所有时刻评估投资组合的表现，是等价于广泛使用的夏普比率下联合椭圆分布的回报。在此基础上，研究了基于夏普比率的投资组合优化问题，并给出了一个有效集算法。当考虑非对称收益时，我们证明了Omega测度和夏普比率会导致不同的最优投资组合。
2017-04-11 math.OC q-fin.PM
Shannon entropy: an econophysical approach to cryptocurrency portfolios
加密货币市场吸引了全球投资者的兴趣，因为它们的新颖性，广泛的在线可用性，不断增加的资本化和潜在的利润。在经济物理学传统中，我们发现许多最可用的加密货币的回报统计数据不遵循高斯分布，而是重尾分布。熵的措施也表明，投资组合多样化是一个合理的做法，减少回报的不确定性。
2022-10-06 physics.soc-ph q-fin.PM
Risk Budgeting Portfolios from Simulations
风险预算是一种投资组合策略，其中每项资产对投资组合的总风险贡献预先设定的金额。在这项工作中，我们提出了一个有效的数值框架，只使用模拟的回报估计风险预算组合。除了一个一般的切割平面算法，用于确定任意相干失真风险度量的风险预算组合的权重，我们提供了一个专门的版本的预期损失，和定制的随机梯度下降（SGD）算法，也为预期损失。我们比较我们的算法，标准的凸优化求解器，并说明不同的风险预算组合，使用一个特别设计的Julia包，真正的金融数据，并比较它与经典的投资组合策略。
2023-02-02 q-fin.PM q-fin.RM
Market-Adaptive Ratio for Portfolio Management
本文提出市场自适应比率，通过引入区分牛熊市的 $ρ$ 参数并结合强化学习动态调整风险偏好，实证表明其风险调整收益优于夏普比率。
2024-07-08 q-fin.PM
Stochastic Optimal Control of Iron Condor Portfolios for Profitability and Risk Management
本研究将铁鹰式价差组合优化建模为随机最优控制问题，证明最优停时等于到期日，并通过模拟和SPX市场案例验证了左偏组合在盈利性与风险管理上的最优性。
2025-01-06 q-fin.PM
Semiparametric Dynamic Copula Models for Portfolio Optimization
针对均值-方差模型的分布假设限制及现有Copula方法的静态依赖问题，提出结合非参数Copula与参数边缘分布的半参数动态模型，集成时变相关性与经验Beta Copula，应用于多经济体数据，提升投资组合优化的稳健性与绩效。
2025-04-16 q-fin.PM stat.AP
Statistical applications of the 20/60/20 rule in risk management and portfolio optimization
本文探讨了20/60/20规则在数理金融中的应用，通过股票数据聚类、重尾特征提取和空间推理整合投资组合优化，证明了其能有效平衡极端风险与收益稳定性。
2025-03-19 q-fin.PM stat.ME
Optimising cryptocurrency portfolios through stable clustering of price correlation networks
Ghent University（根特大学）；The University of Tokyo（东京大学）
本文结合网络分析、价格预测和投资组合理论，通过稳定聚类识别高相关加密货币组，提升投资组合的风险回报比。
2026-04-29 physics.pop-ph physics.soc-ph q-fin.PM
Portfolio Optimization Constrained by Performance Attribution
本文研究了绩效归因措施作为基础，约束投资组合优化。我们采用优化，最大限度地减少预期的尾部损失，并调查两个资产配置（AA）和选择效应（SE）作为硬约束的资产权重。测试投资组合由道琼斯工业平均指数的股票组成;基准是相同股票的等权重投资组合。通过比较累积价格和风险度量最大回撤、夏普比率和拉切夫比率来判断优化投资组合的表现。研究结果表明，在价格和风险度量性能的AA和SE的约束施加的积极作用，与SE约束产生较大的性能增强。
2021-03-07 q-fin.PM q-fin.RM
Screening-Off Information and Conditional Risk in Portfolio Choice
Miralta Finance Bank S.A.（米尔塔金融银行股份公司）；University of Reading（雷丁大学）；Albert School（阿尔伯特学院）
研究投资组合问题中的因果分离条件，通过该条件推导完整静态投资组合理论，给出投影马科维茨解等，证明相关性质并通过实验验证理论。
2026-09-10 q-fin.PM
Risk, VaR, CVaR and their associated Portfolio Optimizations when Asset Returns have a Multivariate Student T Distribution
我们展示了如何减少计算风险值和CVaR的学生T回报分布的分析函数的时刻的评价的问题。这使得系统的风险属性分析可以在风险函数的选择（例如，VaR与CVaR）、收益分布的选择（幂律尾与高斯分布）和事件频率的选择之间仔细归因，以进行风险评估。当资产收益服从标准多元T分布时，我们利用这一点为投资组合优化提供了一个简单的方法。这可以用作更一般的优化器的半分析验证工具，以及用于较短时间范围内肥尾对资产配置的影响的实际评估。
2011-02-28 math.OC q-fin.PM q-fin.RM
Sharpe Ratio and Return-VaR Ratio Maximization for Option Portfolios with Skew-Elliptical $t$ Underlying Returns
McMaster University（麦克马斯特大学）
针对标的收益服从偏斜椭圆t分布的情形，推导了夏普比率和收益-VaR比率最大化下期权组合权重的显式公式，数值实验表明两种比率的最优组合不同。
2026-06-16 q-fin.MF q-fin.PM
Upside and Downside Risk Exposures of Currency Carry Trades via Tail Dependence
货币套利交易是一种投资策略，涉及出售低利率货币以购买高利率货币，从而从利率差中获利。这是一个众所周知的金融难题，因为假设外汇风险不受约束，市场上有理性的风险中性投资者，那么人们就不会指望从这种策略中获利。也就是说，根据未覆盖利率平价（UIP），相关汇率的变化应抵消从这种利率差异中获利的可能性。然而，经验表明，投资者可以通过在一个利率较低的国家借款，兑换外币，并在一个利率较高的国家投资来赚取利润，同时允许在到期时兑换回本国货币的任何损失。本文探讨了金融风险，交易策略寻求利用违反UIP条件暴露在融资和投资货币篮子的多元尾部依赖。它将概述在什么情况下这些投资组合风险敞口将有利于累积的投资组合回报，以及在什么条件下这种尾部敞口将减少投资组合回报。
2014-06-17 q-fin.PM q-fin.RM
A Mispricing Model of Stocks Under Asymmetric Information
本文将服从几何布朗运动的股票错误定价模型中的信息不对称理论推广到相对风险厌恶为常数的投资者。错误定价遵循一个连续的均值-回复Ornstein-Uhlenbeck过程。最优投资组合和最大期望对数线性效用从终端财富的知情和不知情的投资者。我们得到了类似但更一般的结果，它嵌套了Guasoni（2006）的结果，作为相对风险厌恶接近1的特殊情况。
2011-01-06 q-fin.GN q-fin.PM q-fin.PR
Addressing Market Regime Changes and Heavy-Tailed Returns in Portfolio Optimization via Bayesian VAR and Elliptical Black-Litterman
University of Liverpool（利物浦大学）；Xi'an Jiaotong-Liverpool University（西交利物浦大学）
提出BAVAR-BLED算法，结合贝叶斯平均向量自回归和椭圆分布Black-Litterman模型，在TD3架构下自适应分配资产，在道琼斯工业平均指数成分股上实现夏普比率1.72和总收益57.26%。
2026-06-08 cs.AI cs.LG q-fin.PM
FRM Financial Risk Meter for Emerging Markets
快速增长的新兴市场经济体及其透明度和流动性的提高吸引了国际投资者。然而，外部价格冲击可能导致更大程度的波动以及国内政策的不稳定。因此，需要有效的风险衡量和对冲策略，以帮助投资者保护其投资免受这种风险的影响。本文提出了一种日常的系统性风险度量方法--金融风险度量器（Financial Risk Meter，FRM）。FRM-EM被应用于捕捉嵌入在25个最大的新兴市场金融机构回报中的系统性风险行为，涵盖BRIMST（巴西，俄罗斯，印度，墨西哥，南非和土耳其），从而反映这些经济体之间的金融联系。关于宏观因素，除了Adrian and Brunnermeier（2016）Macro外，我们还包括新兴市场主权收益率与美国国债和上述国家货币的利差。结果表明，新兴市场金融机构的FRM在美国金融危机和COVID 19危机期间达到最大值，宏观因素对BRIMST金融机构具有不同程度的敏感性。通过研究这些因素与尾事件网络行为之间的关系，为投资者选择合适的投资市场和进行尾事件优化投资组合提供政策建议。为此，投资组合优化策略和FRM网络中心性之间的重叠区域的开发。我们提出了一个稳健的、多样化的尾事件和集群风险敏感的投资组合配置模型，并将其与更经典的方法进行了比较
2021-02-10 q-fin.PM
skfolio: Portfolio Optimization in Python
Ipazia SpA（Ipazia 股份公司）；Orion Finance；SKFolio Labs（SKFolio 实验室）
skfolio是一个开源Python库，与scikit-learn集成，提供统一框架和先进工具，用于投资组合优化和风险管理，促进量化金融的可复现性。
2025-07-08 cs.LG q-fin.PM
Incorporating fat tails in financial models using entropic divergence measures
在现有的金融文献中，基于熵的思想已经被提出用于投资组合优化、期权定价的模型校准以及不完全市场中定价度量的确定。抽象的问题对应于找到一个概率测度，最小化相对熵（也称为$I$-发散）相对于一个已知的措施，而它满足一定的时刻约束的功能的基础资产。在本文中，我们表明，在$I$-分歧，最优解可能不存在时，标的资产具有厚尾分布，在金融实践中普遍存在。我们注意到，如果使用"多项式发散"，这个缺点可以得到纠正。这种发散可以被看作是等同于众所周知的（相对）Tsallis或（相对）Renyi熵。我们讨论了这个新的优化问题的存在性和唯一性问题，以及在不同的目标下的最优解的性质。我们还确定了最优解结构下$I$发散以及多项式发散时，相关的约束条件包括边际分布的基础资产的功能。这些结果被应用到一个简单的问题的模型校准的期权价格以及投资组合建模在Markowitz框架中，我们注意到，一个合理的观点，一个特定的资产组合有沉重的尾部损失可能会导致肥胖和更合理的尾部分布的所有资产。
2012-03-03 q-fin.GN q-fin.PM q-fin.ST
Adaptive and Regime-Aware RL for Portfolio Optimization
本研究提出一种状态感知强化学习框架用于长期投资组合优化，通过设计逼真环境和约束奖励函数训练多种架构（PPO、LSTM-PPO、Transformer PPO），在金融压力下表现稳健，兼顾了风险调整收益与可解释性。
2025-09-17 q-fin.CP q-fin.PM
Robust Inference of Risks of Large Portfolios
本文提出了一个基于Bootstrap的鲁棒高置信水平上界（RobustH-CLUB）模型，用于评估大型投资组合的风险。所提出的方法利用基于秩和基于分位数的估计器，并且可以被视为H-CLUB方法的鲁棒扩展（Fan等人，2015）。这样的扩展允许我们处理可能错误指定的模型和重尾数据。在混合条件下，我们分析了所提出的方法，并证明了它的优势比H-CLUB。我们进一步提供了全面的数值结果来支持发展的理论。我们还应用所提出的方法来分析股票市场数据集。
2015-01-10 math.ST q-fin.PM stat.TH
Portfolio Optimisation within a Wasserstein Ball
我们研究的问题，积极的投资组合管理，投资者的目标是超越基准策略的风险状况，而不是偏离太远。具体来说，一个投资者考虑的替代策略，其终端财富位于围绕基准的沃瑟斯坦球内-分布接近-并且具有特定的依赖关系/联结-将各州的结果联系起来-然后，投资者选择使终端财富的扭曲风险最小化的替代策略。在一个一般的（完整的）市场模型中，我们证明了一个最佳的动态策略存在，并通过保序投影的概念提供其特征。我们进一步提出了一种模拟方法来计算最优策略的终端财富，使我们的方法适用于广泛的市场模型。最后，我们说明了不同的Copula和风险偏好的投资者如何投资和改进的基准使用的尾值风险，反S形，低和上尾失真风险措施为例。我们发现，投资者的最优终端财富分布有较大的概率质量的区域，降低他们的风险措施相对于基准，同时保持基准的结构。
2022-06-20 q-fin.MF q-fin.PM q-fin.RM
Accounting for risk of non linear portfolios: a novel Fourier approach
非线性工具的存在是导致现实投资组合价格变化分布出现非高斯特征的原因，即使是正态分布的风险因素。对于基准Delta Gamma Normal模型尤其如此，该模型通常表现出指数衰减的幂律尾部。我们展示了如何知识的模型特征函数导致傅立叶表示的两个标准的风险措施，风险价值和预期损失，以及他们的敏感性相对于模型参数。我们详细的数值实现我们的公式，我们强调的可靠性和效率，我们的结果相比，蒙特卡罗模拟。
2010-05-24 q-fin.PM q-fin.RM
Portfolio Optimization with Robust Covariance and Conditional Value-at-Risk Constraints
本研究评估了多种稳健协方差估计量在投资组合优化中的表现，发现在极端市场下需引入CVaR约束控制尾部风险，并结合K-means的NCO算法以缓解数值不稳定性并降低回撤。
2024-06-02 econ.EM math.OC q-fin.MF
Minimum Rényi Entropy Portfolios
在稳健的投资组合优化中，对资产收益的非正态性进行会计处理仍然具有挑战性。在本文中，我们通过评估投资组合的风险来解决这个问题，通过其回报所传达的“随机性”来评估投资组合的风险。我们通过使用依赖于雷尼熵指数的目标函数来实现这一点，雷尼熵是一种信息论标准，可以精确量化分布中嵌入的不确定性，并考虑高阶矩。与香农熵相比，雷尼熵具有一个可以调整的参数，以适应不确定性的概念。Gram-Charlier展开表明它控制了测量中分布的中心（方差）和尾部（峰度）部分的相对贡献。我们进一步依赖于指数雷尼熵的非参数估计，扩展了最初为香农熵设计的鲁棒样本间距估计。一个投资组合选择应用程序说明，最小化雷尼熵产生的投资组合在风险-回报-周转率权衡方面优于最先进的最小方差投资组合。
2018-07-02 q-fin.MF q-fin.PM q-fin.RM
Conformal Predictive Portfolio Selection
Data Analytics Department, Mizuho-DL Financial Technology, Co., Ltd.（瑞穗DL金融科技有限公司数据分析部）
针对投资组合选择中预测模型不确定性问题，提出基于保形预测的CPPS框架，兼容多种预测模型，实证显示其相比简单策略能带来更优投资组合收益。
2025-02-13 cs.LG econ.EM q-fin.PM
Regret-Driven Portfolios: LLM-Guided Smart Clustering for Optimal Allocation
Lahore University of Management Sciences（拉合尔管理科学大学）；Institute for Clarity in Documentation（文档清晰研究所）；Inria Paris-Rocquencourt（巴黎-罗quant研究所）；Rajiv Gandhi University（拉贾·甘地大学）；Tsinghua University（清华大学）；Palmer Research Laboratories（帕勒尔研究实验室）
本文提出一种LLM引导的智能聚类方法，通过整合在线学习动态和市场情绪指标，构建高夏普比率的投资组合，实现优于传统基准的收益和风险控制。
2026-01-16 cs.LG cs.MA q-fin.PM
Beyond ESG Scores: Learning Dynamic Constraints for Sequential Portfolio Optimization
Macquarie University（麦考瑞大学）；The University of Queensland（昆士兰大学）
本文提出MACF和MACF-X方法，通过动态证据输入和三头分解，减少尾部ESG预算压力并保持竞争力，改进了序列投资组合优化中的ESG约束处理。
2026-05-10 cs.AI q-fin.PM
Sharp Large Deviations and Gibbs Conditioning for Threshold Models in Portfolio Credit Risk
本文针对相依三角阵列阈值模型，推导了超阈值概率的尖锐大偏差估计，建立了Gibbs条件化原理，并给出了风险价值与期望损失的二阶近似，提供了一套可转移的稀有事件分析技术。
2025-10-17 math.PR math.ST q-fin.MF
Explicit Description of HARA Forward Utilities and Their Optimal Portfolios
本文研究了HARA型的正向性能。准确地说，对于股票价格过程由局部有界的$d$ -维半鞅建模的市场模型，我们详细阐述了这类远期效用的完整和明确的特征。此外，这些远期效用的最优投资组合明确描述。我们的方法是基于最小的Hellinger鞅密度，得到了重要的统计概念的Hellinger过程。这些鞅密度是最近引入的，并且在这里出现为这些远期效用量身定制的。在概述了我们的参数化方法的HARA远期，我们提供了离散时间市场模型的插图。最后，我们通过指出一些相关的开放问题来结束我们的论文。
2013-07-02 math.OC math.PR q-fin.GN
