投資組合優(yōu)化是金融風(fēng)控領(lǐng)域的關(guān)鍵問(wèn)題。近日，我中心運(yùn)行與應(yīng)用服務(wù)室提出了一種生成進(jìn)化框架，旨在解決傳統(tǒng)方法在進(jìn)行投資組合選擇時(shí)所面臨的通用性不足以及機(jī)器學(xué)習(xí)方法設(shè)計(jì)和訓(xùn)練成本高等難題。實(shí)驗(yàn)結(jié)果表明，該框架可獲得多樣性和收斂性優(yōu)異的帕累托解集，并可為現(xiàn)實(shí)投資場(chǎng)景下的投資組合優(yōu)化提供決策依據(jù)。

該研究成果被進(jìn)化計(jì)算領(lǐng)域會(huì)議 IEEE Congress on Evolutionary Computation錄用。論文第一作者為運(yùn)行與應(yīng)用服務(wù)室助理研究員李晨。該成果得到中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)?（B 類）的資助。

相關(guān)成果：

Chen Li,Zidong Han,Jinrong Jiang,Lian Zhao,Yidi Bai,Zhonghua Lu,Xuebin Chi. “Generative Evolution Attacks Portfolio Selection.” IEEE Congress on Evolutionary Computation 2024. (accepted)

責(zé)任編輯：郎楊琴