晁梦遥
摘要：金融市场中的投资组合是一个热点问题。传统的投资分配方法受到数据维度,参数估计偏差以及建模能力的限制。为解决这些问题,我们将深度学习引入到投资组合问题中。同时,由于市场的复杂性,投资者逐渐重视参数不确定性和模型不确定性,为了弥补传统办法在这方面的不足,我们同样将贝叶斯学习引入到投资组合中,从而提出深度变分贝叶斯投资组合理论。我们将最优策略的选择过程看作学习和优化两部分。在学习阶段,所提出理论捕捉输入数据的深层次因素并对数据进行校准,在优化阶段,我们对数据学习和校准进行权衡,并依据交叉验证来获得深度变分贝叶斯投资组合理论对应的有效边界。我们在实际问题中应用所提出理论得到了良好的结果,实验代码提供于与本文同目录的压缩文件中。
关键词：深度学习; 贝叶斯学习; 投资组合理论; 人工智能;