PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.09566v1cs.CE

카디널리티 제약 조건 하에서 강화된 다목적 진화 알고리즘을 활용한 대규모 포트폴리오 최적화 문제

Large-Scale Portfolio Optimization Problem Under Cardinality Constraint With Enhanced Multi-Objective Evolutionary Algorithms

금융 시장에서 이용 가능한 대안의 수가 증가함에 따라 의사결정은 투자자들에게 점점 더 어려운 과제가 되고 있다. 지난 수십 년간 활발히 연구되어 온 분야 중 하나는 투자자가 어떤 자산에 얼마를 투자해야 하는지를 결정하는 포트폴리오 최적화(portfolio optimization)이다. 최적화 모델에 현실적인 조건을 도입하면 문제가 NP-난해 문제로 변환되어 정확한 방법으로는 해를 구하기 어렵기 때문에, 연구자들은 근사해를 구하기 위해 진화 알고리즘(evolutionary algorithms)에 주목해 왔다. 본 논문에서는 카디널리티 제약 조건 하에서의 포트폴리오 최적화 문제에서 빠른 수렴 속도와 광범위한 탐색 능력을 제공할 수 있는 다목적 진화 알고리즘(multi-objective evolutionary algorithms)의 강화 전략을 제안한다. 이러한 특성을 구현하기 위해, 포트폴리오 내 자산 수에 하한 및 상한을 설정하는 해당 문제를 해결하기 위한 고유한 해 표현 방식, 새로운 연산자, 그리고 새로운 복구 메커니즘(repair mechanisms)이 도입된다. 이를 위해 새로운 교배 전략(mating strategies)과 앞서 언급한 패키지가 잘 알려진 다목적 진화 알고리즘에 구현되어 문제를 해결한다. 맞춤화된 알고리즘은 이후 잘 알려진 시장 지수를 벤치마크로 사용하여 기존 알고리즘과 비교 평가된다. 결과는 제안된 전략이 시장 내 자산 수가 증가하더라도 성능 손실 없이 더 나은 근사해를 제공할 뿐만 아니라 더 빠르게 수렴함을 보여준다.