Zhang, Zohren & Roberts (2021) — Deep Learning for Portfolio Optimization
论文信息
- 标题: Deep Learning for Portfolio Optimization
- 作者: Zihao Zhang · Stefan Zohren · Stephen Roberts（Oxford-Man Institute of Quantitative Finance, University of Oxford）
- venue: arXiv:2005.13665（2021-01-26）；工作论文，无期刊发表信息
- 本地归档:
raw/papers/202101-deep-learning-for-portfolio-optimization/（paper.pdf 1.45 MB, 12 页 + extracted.md）
一句话
用单层 LSTM 直接输出四只指数 ETF（VTI / AGG / DBC / VIX）的权重，绕过预期收益预测，用梯度上升直接最大化训练期 Sharpe 比率；测试期 2011–2020.4（含 2020 年一季度崩盘），含交易成本时 Sharpe 1.96（波动率缩放档）高于全部六类基准。
结构
- §1 Introduction — 论证为何交易指数 ETF 而非个股（>75% 的美股与市场指数高度相关，个股加进组合贡献的分散化极小）；参见 深度学习直接优化组合
- §2 Literature Review — 再平衡策略（养老金）、均值-方差、最大分散化、随机组合理论 (SPT / FGP)；与 Moody-Saffell 2001、Moody 等 1998 的直接强化学习谱系划界
- §3 Methodology — 目标函数（Sharpe）、可微构造（softmax 单纯形约束）、架构（输入层拼接 / LSTM 隐藏层 / softmax 输出层）
- §4 Experiments — 数据（2006–2020 日频、每两年重训）、六类基准、三种成本/缩放设定、2020 崩盘行为、特征敏感性分析
- §5 Conclusion — 未来工作：换目标函数（Sortino、分散化）、让网络同时学波动率
与已有页面的关系
- Zihao Zhang · Stefan Zohren · Stephen Roberts — 作者页
- Zhang Zohren Roberts 2018 DeepLOB — 同组作者的订单簿深度学习开山之作；本篇是同一"端到端"思路在资产配置层的应用
- 深度学习直接优化组合 — 主概念页
- Predict-then-Optimize — 本篇要绕过的两步路线
- Decision-Focused Learning for MVO — 同属"决策层改造"，但保留 \mu 预测
- 波动率管理 — 论文用来对齐风险水平的实盘化做法
- 摘要: 中文摘要
关键数字
| 项 | 值 |
|---|---|
| 交易标的 | VTI（美股总市场）/ AGG（美债总指数）/ DBC（商品）/ VIX（波动率） |
| 数据 | 2006–2020 日频；测试期 2011 至 2020 年 4 月底 |
| 输入 | 每资产 50 天价格 + 收益，共 400 个特征 |
| 网络 | 单层 LSTM，64 单元；Adam，batch 64，≤100 epoch |
| Sharpe（无缩放，C=1bp） | DLS 1.858 / Alloc4 1.228 / MV 0.759 / MD 0.882 / DWP 0.493 |
| Sharpe（缩放 σ=0.10, C=1bp） | DLS 1.962 / Alloc4 1.579 / MD 1.484 / MV 1.120 / DWP 0.818 |
| Sharpe（缩放，C=10bp） | DLS 1.403 / Alloc4 1.299 / DWP -0.753 |
| Sortino（缩放，C=1bp） | DLS 3.322 / MD 2.414 / Alloc1 2.629 |
| MDD（缩放，C=1bp） | DLS 0.123（Alloc3 最低 0.105） |
标准文献
Zhang, Z., Zohren, S., & Roberts, S. (2021). Deep Learning for Portfolio Optimization. arXiv:2005.13665. Oxford-Man Institute of Quantitative Finance, University of Oxford.