文件名称：股票排名多目标算法的实证研究-研究论文
文件大小：238KB
文件格式：PDF
更新时间：2024-06-29 07:30:21
genetic programming multi-objective
股票选择和投资组合管理的定量模型面临着从大量财务数据中确定最有效因素以及它们如何相互作用的挑战。 使用“简单目标”适应度函数的遗传编程已被证明是一种选择因子和构建多因子模型以对股票进行排序的有效技术，但结果模型在满足投资组合经理寻求的多个目标方面可能有些不平衡：大量过剩跨时间和投资领域的横截面维度一致的回报。 在本研究中，我们实施并评估了三种多目标算法，以同时优化投资组合的信息比率、信息系数和分位数内命中率。 这些算法——约束适应度函数、顺序算法和并行算法——采用截然不同的方法来组合这些不同的投资组合指标。 结果表明，多目标算法确实产生了均衡的投资组合性能，约束适应度函数的性能比顺序和并行多目标算法要好得多。 此外，该算法对保留的测试数据集的推广比任何单一适应度算法都要好得多。