研究人员开发了一个新颖的聚类框架，该框架利用随机占优（SD）理论和机器学习来根据风险偏好更好地对资产进行分组。这种方法超越了传统的几何距离度量，利用SD检验统计量创建了一个“随机占优系数矩阵”。该论文详细介绍了对K-means和层次聚类算法的修改，产生了12个变体，并引入了专门的有效性指标。对美国纳斯达克和中国沪深100指数数据的实证分析证实了该方法的有效性，并展示了其在具有不同风险偏好的投资者的投资组合优化中的应用。 AI
影响 引入了一种新颖的AI驱动的聚类技术，用于金融资产配置，有望改善不同风险偏好投资者的投资组合管理。
排序理由 该集群包含一篇详细介绍机器学习和统计学新研究方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.24422v1 Announce Type: cross Abstract: Stochastic Dominance (SD) theory provides a rigorous framework for selecting superior assets tailored to the asset allocation needs of investors with varying risk preferences (i.e., risk-averse, risk-seeking, and risk-neutral). Ho…
Stochastic Dominance (SD) theory provides a rigorous framework for selecting superior assets tailored to the asset allocation needs of investors with varying risk preferences (i.e., risk-averse, risk-seeking, and risk-neutral). However, traditional stock clustering methods typica…