【社区精选】Paper Reading 在线机器学习投资组合优化

本篇内容作者：Ruby.Yan，可在优矿社区搜索昵称阅读更多干货，原文名称：Paper Reading 在线机器学习投资组合优化

*欢迎大家积极投稿，凡采用者皆奖励积分500。具体可联系邮箱xuefeng.jia@datayes.com。

论文给出的算法：

Bandit Learning

Online机器学习方法在投资组合选择上的应用，参考文献

Bandit Learning 最初是为了解决多臂赌博机 (multi-armed bandit) 问题

这里的臂 (arm) 可以抽象为不同的动作，对于量化模型来讲可以是一个资产也可以是一个资产组合，在t时刻我们可以看到对应arm过去的信息从而做出决策来最大化远期收益。和offline学习过程不同的是，online学习过程并不可见所有的数据集，优化目标并不是即时的损失而是远期的期望回报，本质上追求的是决策最优而不是的结果最优。

原文分别使用 Factor Model 和 James-Stein shrinkage estimator来估计协方差和均值，这里实现简单用平均来估计。

考虑两个基准策略，定期等权重调仓以及买入持有

UCB Portfolio算法的缺陷: 1.算法假设市场流动性充足且并没有考虑交易成本 2.在大跌时过于乐观，使用上界估计夏普比率，在大跌时容易大幅回撤

-- the end --

利用平台强大的资源，优矿特推出2018量化精英养成计划，培养最优秀的Quants，寻找夜空中最亮的那颗星！来自毕业于牛津大学、北京大学、香港大学等高校的地表最强量化金工团队，手把手带你从0到1玩转量化。点击下图了解详情：

（点击图片了解详情）

优矿是由通联数据出品，覆盖研究、回测、模拟、实盘交易全流程的量化平台。优矿不仅拥有通联海量的金融数据、动态丰富的策略框架，同时还通过知识库信号库提供持续的知识输出，满足用户在研究过程中高效获取、迅速验证、多维度挖掘、多策略并行的迫切需求，为投资决策提供重要支持。

扫二维码，立即预约试用！

↓↓↓ 点击"阅读原文" 【查看源码】