加载中...
本文提出一套可部署的端到端组合优化流程:先用经典凸优化求解连续最优解并估计合适基数(cardinality),再将该基数用于将均值-方差目标映射为QUBO(含自适应惩罚项)以由D‑Wave混合退火器进行离散资产选择,最终用经典整数/凸优化完成权重分配并按季度重平衡;实证结果显示在印度股市样本中该混合流程构建的组合在回测期内收益和夏普率上均优于基金经理/基准组合(算法终值约2.2M vs 基准约1.95M),并报告了退火器嵌入/精度与随机性带来的可扩展性限制 .
| Name | Weights by algorithm (%) | Weights in benchmark (%) |
|---|---|---|
| Bharti Airtel | 16.26 | 5.23 |
| HDFC Bank | 2.59 | 9.36 |
| Hindustan | 4.59 | 14.91 |
| Unilever ICICI Bank | 10.42 | 5.52 |
| Infosys | 6.90 | 8.41 |
| ITC | 10.56 | 2.53 |
| L&T | 17.73 | 15.88 |
| Reliance | 12.42 | 14.49 |
| Industries State Bank of | 10.24 | 3.42 |
| India TCS | ||
| Returns | 8.28 26.79 | 20.25 18.03 |
| Risk | 10.49 | 10.92 |
| Sharpe Ratio | 2.55 | 1.65 |
| Diversification Ratio | 1.78 | 1.72 |
元数据与报告概览
逐节深度解读
图表与数据深度解读
估值/统计方法分析(针对本论文适用性)
风险因素评估(报告识别与潜在影响)
批判性视角与细微差别
结论性综合
附:文中引用的关键图表(按原文相对路径)
若需,我可以:
2504.08843.pdf