PulseAugur
实时 09:15:54
English(EN) Dynamic data generation and dynamic portfolio selection: an application of a score-based diffusion model

基于分数的扩散模型应用于动态投资组合选择

研究人员开发了一种新颖的自适应基于分数的扩散框架,用于动态数据生成,这对于需要顺序信息的问题至关重要。该框架允许条件采样,并已应用于动态均值-方差投资组合选择。在真实市场数据实验中,该方法在与 Markowitz 投资组合和标普 500 等基准的比较中表现出改进的性能。 AI

影响 引入了一种使用扩散模型进行动态数据生成的新方法,可能影响金融建模和量化交易策略。

排序理由 详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

基于分数的扩散模型应用于动态投资组合选择

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Ahmad Aghapour, Erhan Bayraktar, Fengyi Yuan ·

    Dynamic data generation and dynamic portfolio selection: an application of a score-based diffusion model

    arXiv:2507.09916v4 Announce Type: replace-cross Abstract: We study dynamic data generation and its application to model-free dynamic portfolio selection. Existing score-based diffusion models are typically designed to learn a static data distribution, whereas dynamic decision pro…