Bayesian Portfolio Optimization by Predictive Synthesis
Masahiro Kato and Kentaro Baba and Hibiki Kaibuchi and Ryo Inokuchi
投资组合优化是投资中的关键任务。大多数现有的投资组合优化方法需要关于构成投资组合的资产收益分布的信息。然而，投资者通常不知道这种分布信息。虽然已经提出了各种方法来估计分布信息，但其准确性在很大程度上取决于金融市场的不确定性。由于这种不确定性，在一个时间点能够很好预测分布信息的模型，在另一个时间点可能比另一个模型的准确性要差。为了解决这个问题，我们研究了一种基于贝叶斯预测合成（BPS）的投资组合优化方法，这是用于元学习的贝叶斯集成方法之一。我们假设投资者可以访问多个资产收益预测模型。通过使用BPS与动态线性模型来组合这些预测，我们可以获得关于资产平均收益的贝叶斯预测后验分布，该分布能够适应金融市场的不确定性。在本研究中，我们研究了如何基于预测的分布信息构建均值-方差投资组合和基于分位数的投资组合。
Portfolio optimization is a critical task in investment. Most existing portfolio optimization methods require information on the distribution of returns of the assets that make up the portfolio. However, such distribution information is usually unknown to investors. Various methods have been proposed to estimate distribution information, but their accuracy greatly depends on the uncertainty of the financial markets. Due to this uncertainty, a model that could well predict the distribution inform...
