连续时间Markov决策过程的均值-方差优化问题

本文考虑连续时间Markov决策过程折扣模型的均值-方差优化问题.假设状态空间和行动空间均为Polish空间,转移率和报酬率函数均无界.本文的优化目标是在折扣最优平稳策略类里,选取相应方差最小的策略.本文致力于寻找Polish空间下Markov决策过程均值-方差最优策略存在的条件.利用首次进入分解方法,本文证明均值-方差优化问题可以转化为"等价"的期望折扣优化问题,进而得到关于均值-方差优化问题的"最优方程"和均值-方差最优策略的存在性以及它相应的特征.最后,本文给出若干例子说明折扣最优策略的不唯一性和均值-方差最优策略的存在性.

基于组合稀疏Lasso的投资策略研究

为了利用因子排序组合的信息并保证组合权重具有一定的稀疏性,基于Sparse Group Lasso (SGLasso)和经典的均值-方差(mean-variance,MV)投资组合策略,构建了能够对高维资产数据集进行投资的SGLasso-MV策略.与Lasso和GLasso相比,SGLasso能够同时实现组内和组间的稀疏性,并利用了特征分组信息,因此适用于改进MV策略输出权重的不稳定性和高误差性问题.在实证数据方面,利用A股1997年至2019年所有可用A股股票的日际实证数据集,进行了不固定成分股的滚动投资,以避免样本选择性偏误,并将SGLasso-MV与几种经典的投资组合策略进行了比较.结果显示,相比其他同样包含期望收益率估计量的策略,SGLasso-MV的权重能够在样本外实现显著更低的标准差风险和更低的换手率.