Transfer Learning for Portfolio Optimization

要約

この研究では、金融ポートフォリオの最適化問題に対処するために転移学習技術を利用する可能性を探ります。
転移学習の最適化フレームワーク内に「転移リスク」と呼ばれる新しい概念を導入します。
一連の数値実験は、大陸間転送、セクター間転送、および周波数間転送の 3 つのカテゴリから実行されます。
特に、1. 転移リスクと転移学習手法の全体的なパフォーマンスとの間に強い相関関係が確立されており、「転移可能性」の実行可能な指標としての転移リスクの重要性が強調されています。
2. 転移リスクは、転移学習における適切なソースタスクを特定するための計算効率の高い方法を提供し、転移学習アプローチの効率と有効性を高めることが示されています。
3. さらに、数値実験は、これらのさまざまな設定にわたるポートフォリオ管理に対する貴重な新しい洞察を提供します。

要約(オリジナル)

In this work, we explore the possibility of utilizing transfer learning techniques to address the financial portfolio optimization problem. We introduce a novel concept called ‘transfer risk’, within the optimization framework of transfer learning. A series of numerical experiments are conducted from three categories: cross-continent transfer, cross-sector transfer, and cross-frequency transfer. In particular, 1. a strong correlation between the transfer risk and the overall performance of transfer learning methods is established, underscoring the significance of transfer risk as a viable indicator of ‘transferability’; 2. transfer risk is shown to provide a computationally efficient way to identify appropriate source tasks in transfer learning, enhancing the efficiency and effectiveness of the transfer learning approach; 3. additionally, the numerical experiments offer valuable new insights for portfolio management across these different settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google