加载中...
本文提出将风险敏感基准化投资问题通过自由能—相对熵对偶(free energy–entropy duality)重构为一个带熵正则化的线性-二次-高斯(LQG)随机微分博弈,得到二次型价值函数和显式仿射反馈最优控制,且最优配置可解释为分数Kelly策略或由熵正则化修正的Kelly组合;该方法与 Kuroda–Nagai 变换等价并适合强化学习实现,文中对U.S.股票数据的数值演示验证了方法可行性并确认两条途径在模拟上等价
| 指标 | Benchmark | Portfolio (KN) | Portfolio (FEED) | Kelly |
|---|---|---|---|---|
| Mean | 0.0507 % | 0.2437 % | 0.2437 % | 0.3078 % |
| Std Dev | 1.1682 % | 4.3154 % | 4.3154 % | 7.8217 % |
| Semideviation | 0.8569 % | 3.0500 % | 3.0500 % | 5.5284 % |
| Skewness | -0.5895 | 0.0035 | 0.0035 | 0.0030 |
| Kurtosis | 17.4858 | 0.0401 | 0.0401 | 0.0450 |
| VaR 95% | 1.6773 % | 7.0890 % | 7.0890 % | 12.8507 % |
| CVaR 95% | 2.8334 % | 8.9186 % | 8.9186 % | 16.1727 % |
| Sharpe | 0.0434 | 0.0565 | 0.0565 | 0.0394 |
| Sortino | 0.0607 | 0.0836 | 0.0836 | 0.0575 |
| Mean-to-VaR95 | 0.0302 | 0.0344 | 0.0344 | 0.0240 |
| Mean-to-CVaR95 | 0.0179 | 0.0273 | 0.0273 | 0.0190 |
引言与报告概览(元数据)
逐节深度解读
第3节:对偶性视角下与 Kuroda–Nagai 两步法的等价性分析
图表与实施细节深度解读(关键环节)
对模型核心方程与解法的逐项解析
风险因素评估与方法论限制(批判性视角)
结论性综合与要点重申
附:对图表与表格的快速索引
若需要,我可以:
2604.15463.pdf