Bandits with Multiple Optimal Arms: Minimax Regret and Non-Adaptivity
University of California, Los Angeles(加州大学洛杉矶分校)
本文研究具有多个最优臂的多臂老虎机,提出了改进的极小极大遗憾界并匹配下界,表明对最优臂数量的近似了解对实现接近最优性能是必要的。
2026-10-02 cs.AI cs.LG math.ST
Eliciting ESG Preferences for Reinforcement Learning-Based Portfolio Optimization
Politecnico di Milano(米兰理工大学);King’s College London(伦敦国王学院)
本研究将ESG感知投资组合优化转化为多目标强化学习问题,整合三家ESG机构评级,通过高斯过程偏好引出框架结合LLM角色模拟,发现区域背景影响ESG与收益偏好权重,提供适配现实偏好的算法交易框架。
2026-10-30 cs.CE cs.LG q-fin.PM
Adaptive Contract Design for Crowdsourcing Markets: Bandit Algorithms for Repeated Principal-Agent Problems
UCLA(加州大学洛杉矶分校);Microsoft Research(微软研究院)
众包市场已经成为一个流行的平台,可以将可用的工人与要完成的任务相匹配。对于特定任务的支付通常由任务的请求者设置,并且可以基于完成的工作的质量来调整,例如,通过使用“奖金”支付。在本文中,我们研究了请求者的问题,动态调整质量相依支付任务。我们考虑一个多轮版本的著名的委托代理模型,在每一轮的工人作出战略选择的努力水平,这是不直接观察到的请求。特别是,我们的制定显着推广的免费在线任务定价问题在以前的工作中研究。我们把这个问题作为一个多臂的强盗问题,每个“手臂”代表一个潜在的合同。为了处理大量的(实际上是无限的)手臂,我们提出了一种新的算法,不可知缩放,它将合同空间离散成有限数量的区域,有效地将每个区域视为一个单一的arm.This离散自适应细化,使合同空间的更有前途的区域最终被离散得更精细。我们分析了该算法,表明它实现了遗憾的时间范围内的次线性,并大大提高了非自适应离散化(这是文献中唯一的竞争方法)。我们的研究结果推进了几个不同主题的艺术状态:众包市场理论,委托代理问题,多武装土匪和动态定价。
2015-09-02 cs.DS cs.GT cs.LG
Little Exploration is All You Need
ISTBI, Fudan University(复旦大学类脑智能科学与技术研究院)
针对标准UCB只考虑不确定性而忽略任务难度的问题,本文提出将探索奖励调整为$1/n^τ$的UCB$^τ$算法,并通过理论与实验证明其在效果和风险上均优于标准UCB和Thompson Sampling。
2023-10-26 cs.LG
Expected Utility Maximization and Conditional Value-at-Risk Deviation-based Sharpe Ratio in Dynamic Stochastic Portfolio Optimization
本文研究了动态随机投资组合优化问题的期望终端效用最大化方法。我们通过求解一个演化的哈密顿-雅可比-贝尔曼方程来数值求解它,该方程通过Riccati变换来变换。我们研究的结果的形状上所选择的效用函数相关的风险厌恶水平的依赖。本文定义了基于条件风险价值离差($CVaRD$)的夏普比率来度量动态投资组合的风险调整绩效。我们计算最优策略的证券投资问题的动机是德国DAX 30指数,我们评估和分析的依赖$CVaRD$的夏普比率的效用函数和相关的风险厌恶水平。
2018-10-27 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
Policy Gradients with Variance Related Risk Criteria
The Technion - Israel Institute of Technology(以色列理工学院)
动态决策问题中的风险管理在金融和过程控制等许多领域都是至关重要的。定义风险的最常见方法是通过各种与方差相关的标准,如夏普比率或标准差调整后的回报。众所周知,优化许多方差相关的风险标准是NP-难的。在本文中,我们设计了一个框架,局部策略梯度风格的强化学习算法的方差相关的标准。我们的出发点是一个新的公式,用于情景任务中的成本方差。使用这个公式,我们开发策略梯度算法的标准,涉及预期成本和方差的成本。我们证明了这些算法的收敛到局部极小值,并证明了它们在投资组合规划问题中的适用性。
2012-06-27 cs.CY cs.LG math.OC
Deep Reinforcement Learning for Long-Short Portfolio Optimization
Chongqing University(重庆大学)
本文提出符合真实交易规则、融合深度神经网络与平均夏普比率奖励的多空DRL投资组合框架,在A股回测中实现持续正收益、更优风险调整收益并降低最大回撤。
2025-03-15 cs.LG q-fin.CP q-fin.PM
A General Framework for Bandit Problems Beyond Cumulative Objectives
Tel Aviv University(特拉维夫大学);Technion, Israel Institute of Technology(以色列理工学院);Nvidia Research(英伟达研究院);Columbia University(哥伦比亚大学)
随机多臂强盗(MAB)问题是序贯决策问题的一个常见模型。在标准的设置中,决策者必须在每一时刻在几个竞争的武器之间进行选择,每个武器都提供了一个标量随机变量,称为“奖励”。“几乎所有关于这个主题的研究都认为总的累积奖励是兴趣的标准。这项工作的重点是其他自然的目标,不能投作为一个总和的奖励,而是更多的参与功能的奖励流。与累积准则的情况不同,在我们这里研究的问题中,先验地知道问题参数并用于“集中”遗憾的预言策略并不是微不足道的。我们提供了一个系统的方法来解决这些问题,并推导出一般条件下,预言机的政策是足够听话,以方便设计的乐观主义为基础的(上置信度)的学习政策。这些条件阐明了一个有趣的手臂奖励分布和性能指标之间的相互作用。我们的主要研究结果说明了几个常用的目标,如条件的风险价值,均值方差权衡,夏普比,等等。
2021-10-26 cs.LG stat.ML
Sharp Deviations Bounds for Dirichlet Weighted Sums with Application to analysis of Bayesian algorithms
本文推导Dirichlet加权和的尖锐非渐近偏差界,基于新颖积分表示与复分析,推广Beta分布结果,并应用于贝叶斯bootstrap及多臂老虎机TS算法,使遗憾界独立于支撑大小。
2026-10-06 cs.LG math.PR math.ST
Hybrid LSTM and PPO Networks for Dynamic Portfolio Optimization
Universitas Pelita Harapan(Pelita Harapan大学)
本文提出一种结合LSTM预测与PPO强化学习的混合网络,用于动态投资组合优化,通过提升收益和市场适应性展现其在非平稳市场中的优势。
2025-11-22 cs.AI cs.CE cs.LG
Exploration-free Algorithms for Multi-group Mean Estimation
Grado Department of Industrial and Systems Engineering, Virginia Tech(弗吉尼亚理工大学工业与系统工程系);Imperial College Business School, Imperial College London(帝国理工学院伦敦校区商学院)
本文研究多组均值估计问题,提出无探索的自适应与非自适应算法,利用Hanson-Wright不等式建立更紧遗憾界,并扩展至上下文老虎机场景,为多组推断提供高效且有原则的分配方案。
2025-10-12 cs.LG stat.ML
A General Theory of the Stochastic Linear Bandit and Its Applications
Stanford University(斯坦福大学)
最近越来越多的实验在实践中被采用,导致了对多武装匪徒的关注激增,作为一种减少在线实验机会成本的技术。在这种情况下,决策者在一组给定的行动中依次选择,观察它们的噪声奖励,并旨在最大化她的累积预期奖励(或最小化后悔)在长度为$T$的范围内。在本文中,我们介绍了一个一般的分析框架和一个家庭的随机线性强盗问题,其中包括著名的算法,如在面对的不确定性线性强盗(OFUL)和汤普森采样(TS)作为特殊情况下的优化算法。我们的分析技术桥接了先前文献的几个流,并产生了一些新的结果。首先,我们的新概念乐观的期望产生了一个新的算法,称为筛选贪婪(SG),减少了过度探索问题的OFUL。SG利用这些数据来丢弃具有相对较低不确定性的动作,然后从剩余的动作中选择一个。除了证明SG在理论上是速率最优的,我们的经验模拟表明,SG优于现有的基准,如贪婪,OFUL和TS。我们的通用框架的第二个应用是(据我们所知)在与Goldenshluger和Zeevi(2013)的条件类似的条件下,OFUL和TS的第一个多对数(在$T$中)遗憾界限。最后,我们通过因子$\sqrt{k}$得到了$k$武装的上下文MABs的更精确的后悔界限.
2022-03-31 cs.LG stat.ML
First-Order Bayesian Regret Analysis of Thompson Sampling
Microsoft Research(微软研究院);Stanford University(斯坦福大学)
我们解决在线组合优化时,玩家有一个事先超过对手的损失序列。在此框架下,Russo和Van Roy提出了基于信息比的Thompson抽样的信息论分析,得到了最坏情况下的最优后悔界。在本文中,我们介绍了三个新的想法,这条线的工作。首先,我们提出了一个新的量,规模-敏感信息比,它允许我们获得更精确的一阶后悔界限(即,形式为$\sqrt{L^*}$的界限,其中$L^*$是最佳组合动作的损失)。其次,我们取代熵的组合动作的坐标熵,这使我们能够获得第一个最佳的最坏情况下的汤普森采样的组合设置。最后,我们介绍了贝叶斯代理和频率置信区间之间的一种新的联系。结合这些想法,我们表明,经典的多臂强盗一阶遗憾界$\tilde{O}(\sqrt{d L^*})$仍然适用于更具有挑战性和更一般的半强盗的情况。后一结果改进了Lykouris、Sridharan和Tardos的现有技术结合$\tilde{O}(\sqrt{(d+m^3)L^*})$。此外,我们锐化这些结果与两个技术成分。第一个利用了最近的洞察力Zimmert和Latterfly取代香农熵更精细的潜在功能的分析。第二种是\emph{Thresholded} Thompson采样算法,它通过从不播放低概率动作来略微修改原始算法。当$L^*$几乎肯定是上界时,这种阈值处理会导致完全$T$独立的遗憾界,这对于普通的Thompson采样是不成立的。
2022-04-04 cs.LG stat.ML
Contextual Bandits with Similarity Information
Microsoft Research(微软研究院)
在多臂强盗(MAB)问题中,在线算法会做出一系列选择。在每一轮中,它从一组时不变的备选方案中进行选择,并获得与此备选方案相关的收益。虽然小策略集的情况现在已经很好理解了,但最近的很多工作都集中在具有指数或无限大策略集的MAB问题上,其中需要假设额外的结构以使问题易于处理。特别是,最近的文献考虑了关于武器之间相似性的信息。我们认为相似性信息的设置“上下文土匪”,一个自然的扩展基本的MAB问题,在每一轮之前的算法是给定的“上下文”-一个提示,在这一轮的收益。上下文强盗的直接动机是在网页上放置广告,这是赞助搜索的关键问题之一。在上下文强盗设置中表示相似性信息的一种特别简单的方式是通过上下文-手臂对之间的“相似性距离”,其给出相应预期收益之间的差异的上限。先前的工作与相似性的上下文强盗使用“均匀”的相似性空间的分区,这是潜在的浪费。我们设计了更有效的算法,是基于自适应分区调整到“流行”的上下文和“高回报”的武器。
2014-05-20 cs.DS cs.LG
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
MAESTRO: Multi-Agent Environment Shaping through Task and Reward Optimization
Department of Mechanical and Industrial Engineering(机械与工业工程系);University of Toronto(多伦多大学)
MAESTRO通过任务和奖励优化提升多智能体强化学习的环境塑造能力,结合LLM生成课程和奖励函数,提高性能和稳定性。
2025-12-10 cs.AI cs.LG
Realistic Market Impact Modeling for Reinforcement Learning Trading Environments
本文提出三个Gymnasium兼容的交易环境,整合非线性市场影响模型,评估五种DRL算法,展示成本模型对性能和算法排名的显著影响,以及超参数优化对交易行为的约束作用。
2026-04-04 cs.CE cs.LG
Ensemble RL through Classifier Models: Enhancing Risk-Return Trade-offs in Trading Strategies
本文研究了在金融交易策略中使用集成强化学习模型的全面研究,利用分类器模型来提升性能。通过将A2C、PPO和SAC等强化学习算法与传统分类器如支持向量机(SVM)、决策树和逻辑回归相结合,探讨不同分类器组如何整合以改善风险回报权衡。研究评估了各种集成方法的有效性,将其与单个强化学习模型在关键金融指标(包括累计回报率、夏普比率(SR)、卡勒姆比率和最大回撤(MDD))上进行比较。结果表明,集成方法在风险调整后的回报方面始终优于基础模型,提供了更好的回撤管理和整体稳定性。然而,我们发现集成性能对方差阈值τ的选择敏感,强调了动态调整τ以达到最佳性能的重要性。本研究强调了将强化学习与分类器结合在自适应决策中的价值,对金融交易、机器人和其他动态环境具有启示。
2026-06-17 cs.AI cs.LG q-fin.CP
Combining Independent Smart Beta Strategies for Portfolio Optimization
智能贝塔,也被称为战略贝塔或因子投资,是一种以简单的规则为基础的方式选择投资组合的想法,系统地捕捉市场的低效率,从而提高风险调整收益率高于资本加权基准。我们探讨了反向应用智能策略的想法,产生一个可以做空的“坏贝塔”投资组合,从而允许独立的智能贝塔策略的多头和空头头寸产生贝塔中性回报。在这篇文章中,我们详细介绍了每月重新加权投资组合的构建,其中包括两个独立的智能贝塔策略;第一个组成部分是一个多空贝塔中性策略,该策略来自于对一套动量指标运行自适应提升分类器。第二个组成部分是最小波动性投资组合,它利用了这样一种观察,即低波动性股票往往比高波动性股票产生更高的风险调整收益率。在市场基准夏普比率为0.42的情况下,我们发现市场中性成分的比率为0.61,低波动率方法的比率为0.90,而组合杠杆策略的比率为0.96。在六个月的实时交易中,组合策略实现了1. 35的夏普比率。这些结果加强了智能测试策略的有效性,并表明同时结合多个策略可以产生比孤立的任何单个组件所实现的更好的性能。
2018-08-09 q-fin.PM
ChatGPT in Systematic Investing -- Enhancing Risk-Adjusted Returns with LLMs
本研究将ChatGPT与美股新闻及动量策略结合,通过提示工程让模型评估新闻对收益延续性的影响以生成选股和权重分数,证实LLM增强的动量策略在多场景下收益更优,可为因子投资提供增量价值。
2025-10-30 q-fin.PM q-fin.PR
Adaptive Finite-Budget Training for CVaR Risk-Aware Q-Learning
The University of Hong Kong(香港大学)
本文针对CVaR风险感知Q学习提出自适应有限预算训练控制器,通过六个协同机制优化训练流程,在比特币交易任务中大幅降低贝尔曼残差、提升策略风险调整后表现。
2026-08-06 cs.LG q-fin.RM
Portfolio Transformer for Attention-Based Asset Allocation
传统的金融资产配置方法从收益预测开始,然后是确定最佳资产权重的优化阶段。在预测步骤中出现的任何错误都会降低资产权重的准确性,从而降低整个投资组合的盈利能力。这里介绍的投资组合Transformer(PT)网络,避免了预测资产回报的需要,而是直接优化了夏普比率,这是一种在实践中广泛使用的风险调整后的业绩指标。PT是一种新型的端到端投资组合优化框架,其灵感来自于自然语言处理中注意力机制的众多成功。凭借其完整的编码器-解码器架构、专门的时间编码层和门控组件,PT具有很高的能力来学习投资组合资产之间的长期依赖关系,因此可以更快地适应不断变化的市场条件,例如COVID-19疫情。为了证明其鲁棒性,PT与其他算法进行了比较,包括当前基于LSTM的最新技术,在三个不同的数据集上,结果表明它提供了最佳的风险调整性能。
2022-06-07 q-fin.PM
AlphaSharpe: LLM-Driven Discovery of Robust Risk-Adjusted Metrics
aiXplain Inc.(aiXplain公司)
AlphaSharpe利用大语言模型通过迭代交叉、变异和评估自动发现稳健的风险调整金融指标,实证显示其对未来风险收益的预测能力提升3倍、组合表现提升2倍。
2025-02-04 cs.AI cs.CL cs.NE
Utility-Weighted Forecasting and Calibration for Risk-Adjusted Decisions under Trading Frictions
本文提出效用加权校准方法,通过减少高摩擦环境下绑定约束的频率,提升风险调整决策的效率和夏普比率。
2026-01-09 econ.EM q-fin.CP q-fin.PM
Multi-Period Portfolio Optimization using Model Predictive Control with Mean-Variance and Risk Parity Frameworks
我们采用模型预测控制的多期投资组合优化问题。除了均值-方差目标之外,我们还构建了一个投资组合,其分配由具有风险平价目标的模型预测控制给出,并提供了一种连续凸规划算法,该算法在实验中提供了30倍的速度和鲁棒性解决方案。对多资产领域的计算结果表明,在2006-2020年的样本外时期,多时期模型的表现优于单时期模型。均值-方差和风险-平价公式的样本外风险调整后的表现都击败了固定组合基准,并分别达到了0.64和0.97的夏普比率。
2021-03-19 q-fin.PM
Quantum Stochastic Walks for Portfolio Optimization: Theory and Implementation on Financial Networks
Chung Yuan Christian University(中原大学);National Taiwan University(台湾大学);NVIDIA Corp.(英伟达公司);Imperial College London(帝国理工学院)
量子随机游走通过挖掘金融网络的图论结构,在投资组合优化中实现更高的夏普比率和更低的换手率,同时满足监管要求。
2025-12-27 q-fin.PM
The Mathematics of Heuristic Portfolio Optimization (HPO)
Artificial Intelligence Finance Institute(人工智能金融研究所)
本文提出启发式投资组合优化(HPO)框架,将Markowitz解投影到稳定规则类,通过隐含收益原理推导启发式最优性集,并建立与强化学习投资组合优化(RLPO)的联系,提供可测试的统计条件。
2026-06-12 q-fin.PM
Quantifying the Risk-Return Tradeoff in Forecasting
Université du Québec à Montréal(蒙特利尔大学)
本文通过金融风险调整指标评估预测可靠性,引入Edge Ratio衡量模型独特预测价值,分析宏观经济预测中不同方法的风险收益表现。
2026-05-10 econ.EM q-fin.PM stat.ML
Building crypto portfolios with agentic AI
University of Pavia(帕维亚大学)
本文基于 Crew AI 多智能体框架,比较静态等权与滚动窗口优化两种加密资产配置策略,证明动态优化在样本内外均能提升风险调整后收益。
2025-07-11 cs.LG q-fin.PM
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
AlphaZeroBeta: Deep Reinforcement Learning for Market-Neutral Portfolios
HSE University(高等经济学院)
研究市场中性投资组合,提出AlphaZeroBeta深度强化学习框架,结合复合奖励函数与CNN-GRU策略,经递归近端策略优化训练及滚动向前协议评估,回测显示该模型在七只股票指数上表现良好,夏普比率高且保持市场中性。
2026-07-21 q-fin.CP q-fin.PM
Machine Learning Enhanced Multi-Factor Quantitative Trading: A Cross-Sectional Portfolio Optimization Approach with Bias Correction
USTC(中国科学技术大学)
本文提出一种横截面投资组合优化方法,通过校正上游污染问题,提升量化交易的夏普比率并降低信息系数偏差。
2026-05-09 cs.CE q-fin.PM
Risk-Aware Deep Reinforcement Learning for Dynamic Portfolio Optimization
Sheffield Hallam University(谢菲尔德哈勒姆大学);WorldQuant University(世坤大学)
本文提出一种整合夏普比率奖励函数与直接风险控制机制的DRL框架,采用PPO学习自适应资产配置策略,通过回测发现其稳定了波动率但风险调整后收益下降,为改进风险感知策略提供参考。
2025-11-14 cs.CE econ.EM q-fin.PM
Joint Return and Risk Modeling with Deep Neural Networks for Portfolio Construction
Interdisciplinary Program in Artificial Intelligence(人工智能交叉学科项目)
本文提出基于深度神经网络的联合收益与风险建模框架,通过端到端学习动态预期收益和风险结构,提升投资组合绩效。实验证明该方法在风险调整后表现优于传统方法。
2026-03-09 cs.AI cs.LG q-fin.PM
Decision by Supervised Learning with Deep Ensembles: A Practical Framework for Robust Portfolio Optimization
Mirae Asset Global Investments AI Quant Lab, MODULABS Seoul Republic of Korea;Elice AI Quant Lab, MODULABS Seoul Republic of Korea;Meritz Fire \& Marine Insurance AI Quant Lab, MODULABS Seoul Republic of Korea;Ulsan National Institute of Science;AI Quant Lab, MODULABS
本文提出 DSL 框架,将投资组合权重建模为监督学习任务,并结合 Deep Ensemble 降低配置方差,在多市场、多架构回测中优于传统及主流机器学习投资组合方法。
2025-10-21 cs.LG q-fin.CP q-fin.PM
Deep Hedging with Reinforcement Learning: A Practical Framework for Option Risk Management
BlackRock(贝莱德)
本文提出基于强化学习的深度对冲框架,通过动态对冲股票指数期权头寸,提升风险调整后收益,同时控制换手率和回撤。
2025-12-13 q-fin.PM q-fin.RM
Simple Dynamic Stock/Bond/Gold Portfolios
本文利用公开数据和量化方法,通过简单波动率控制及凸优化动态组合,在2006-2026年间显著提升股票/债券/黄金固定权重基准的风险调整回报和回撤指标。
2026-09-09 math.OC q-fin.PM
Portfolio management using graph centralities: Review and comparison
本文系统比较了基于图中心性的投资组合优化方法在标普500股票上的多种变体,发现新中心性度量相比传统方法能显著提升风险调整后收益,适用于不同投资画像的投资者。
2024-03-29 math.CO q-fin.CP q-fin.PM
End-to-End Neural Shrinkage of Indefinite Pairwise Correlation Matrices for Small-Cap-Inclusive Portfolios
Université Paris-Saclay(巴黎-萨克雷大学);CentraleSupélec(中央高等电力学院)
本研究针对含小盘股投资组合的不定成对相关矩阵问题,提出端到端神经收缩方法,经模拟验证可显著降低波动率、提升夏普比率,且效果稳健。
2026-09-01 cs.LG q-fin.PM q-fin.ST
Improving Portfolio Optimization Results with Bandit Networks
Aeronautics Institute of Technology (ITA)(航空技术学院);Autonomous Computational Systems Lab - LABSCA(自主计算系统实验室 - LABSCA)
针对非平稳环境下传统多臂老虎机算法在投资组合优化中效果受限的问题,提出ADTS、CADTS算法及Bandit Networks架构,经真实金融数据实验验证,其性能优于经典方法,最优网络的样本外夏普比率高出20%。
2024-10-08 cs.AI q-fin.PM
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
Continuous Timing Signals for Growth-Defensive Style Allocation: Factor Attribution, Risk Matching, and Out-of-Sample Evidence
本文提出一种连续平滑评分框架,通过宏观市场时序信号动态配置增长/技术ETF篮子与防御/价值ETF篮子,实现风格轮动,并验证其在风险调整收益和回撤控制上的有效性。
2026-05-29 q-fin.PM