基于自适应矩估计的在线投资组合梯度下降策略

对于在线投资组合选择问题，充分利用历史数据能有效地减少市场噪声对投资策略的影响，但这往往会导致策略计算效率降低。与其相对应的是，高频交易的日益发展与数据量的爆发式增长愈发要求投资策略具备高效的计算能力。为此，借助于自适应矩估计，以增量的方式利用历史数据，提出了一个基于自适应矩估计的在线投资组合梯度下降策略。理论分析表明，该策略具有泛证券性，即其与离线的最优定常再调整策略具有相同的渐近平均对数增长率；同时，该策略在充分利用历史数据的情况下依然保持线性时间复杂度。实证分析表明，该策略在收益以及计算时间等指标上表现出较好的性能，同时能承受合理的交易费用，故而具有良好的实际应用前景。