本文提出一种基于分布式凸优化(ADMM)的隐私保留交易协调协议,允许多名组合经理在不披露其目标函数或交易明细的前提下,通过中心实体交换汇总信号并反复调整,以显著降低全公司净交易的交易成本。回测(2000–2025)表明,即使仅进行少量协调轮次(如K=2或K=5),也能将累计交易成本大幅下降,并使公司层面Sharpe比率明显提升 .
| Scenario | Return | Volatility | Sharpe |
|---|---|---|---|
| independent | 15.63% | 9.77% | 1.60 |
| full_cooperative | 17.59% | 8.58% | 2.05 |
| admm_2-iter | 18.70% | 9.16% | 2.04 |
| admm_5_iter | 18.63% | 8.96% | 2.08 |
Universe与数据:N=434(历史S&P成分);使用调整后日价、买卖价、成交量,时间窗2000–2025;估计使用向前42日的窗口(回测为实验性、包含前瞻信息).
合成alpha参数(Table 2):Target IC U[0.06,0.10];时间自相关 Φ(k) U[0.75,0.85];跨策略噪声相关 0.3;前视期 42天 . | Parameter | Value | |---|---:| | Target IC (per PM) | U[0.06, 0.10] | | Temporal autocorrelation Φ | U[0.75, 0.85] | | Cross-strategy noise corr. | 0.3 | | Forward return horizon | 42 days |
评价提示:合成alpha使用了未来真实回报的noised版本(不可实际实现),其目的是在可控环境中比较协议间的相对优势 .
元数据与概览(引言与报告概览)
逐节深度解读
图表与图片逐一深度解读(图表为关键证据)
模型与估值(此处解释为方法与敏感性)
风险因素评估(报告中识别的主要风险与局限)
批判性视角与细微之处(谨慎指摘)
结论性综合
附:主要引用图像(以相对路径嵌入,用于便捷核照)
若需我对下列任一项做进一步深挖,请指出:
2603.07881.pdf