投資組合配置是風險與回報之間的權衡,遵循柯爾莫哥洛夫-阿諾德定理,該定理指出不存在多元函數,只有單變量半仿射(投資組合)函數的組合。
傳統的金融定價模型基於依賴於線性定價組合的淺層架構(最多兩層)。
在 Harry Markowitz 之後,Sharpe 提出了資本資產定價模型(CAPM)。
隨後 Rosenberg 和 McKibbon 以及 Ross 將其延伸到套利定價理論(APT),該理論使用一層線性因子來執行定價。
Chamberlain and Rothschild 在此基礎上構建了一個因子模型。
其中的因子代表價值、動量、利差和流動性等。
Markowitz 的現代投資組合理論(MPT)根據均值之間的權衡進行優化(返回)和標準差(風險)表示的時間序列和。MPT 模型被認為是有限的,因為它僅包含歷史市場資料,然後假設未來具有相同的回報。
Black-Litterman 模型是一種投資組合配置模型,由於現代投資組合理論(MPT),並添加了投資者對預期回報的看法,然後優化推薦的資產配置。
對於金融應用,最有用的深度學習應用之一是自動編碼器(AutoEncoder, AE)。
但是因為L2正則化,使用歷史平均值的隱含市場價格擬合範數(Norm)會對觀察到的市場價格產生較大誤差,因為它忽略了所有大幅波動。
而這些非線性特徵對於在自動編碼階段非常重要,為了解決非線性特徵,必須引入正則化懲罰和校準標準來衡量我們能夠實現輸出目標的程度,它在擬合階段引入了偏差,可能帶來的好處是提供更好的樣本外投資組合效率前緣(Efficient Frontier)。