加载中...
本文提出将每月高斯均值-协方差有效前沿(EF)分解为可解释系数(r_MVP, sigma_MVP, u),用这些系数经 DTW + 分层聚类得到可观测市场状态,并建立状态间的马尔可夫转移概率;在每个状态内仅用该状态的数据求解切线组合,再按从当前状态出发转移到各状态的概率加权这些状态权重,得到期望组合,从而缓解均值方差模型的非平稳性问题并显著优于多项基准(回测在多资产集合上显示出更高 Sharpe 和正的 alpha)。
| 资产集 | 策略 | Sharpe | 年化收益(%) | 最大回撤(%) |
|---|---|---|---|---|
| GVMC (2000-2022) | MarkovMarkowitz (4 clusters) | 0.64 | 18.3 | -61 |
| GVMC (2000-2022) | Tangency | 0.43 | 10.6 | -62 |
| GVMC (2000-2022) | Equal Weight | 0.39 | 10.1 | -57 |
元数据与概览(引言与报告摘要)
逐节深度解读
图表深度解读(关键图表与表格逐一解析)
估值与金融模型解释(论文无传统估值)
风险因素评估(作者识别与补充评估)
批判性视角与细微差别
结论性综合(关键发现汇总)
附:重点图表引用(按原文相对路径)
總結性評估(客觀)
2604.03946.pdf