投資組合優(yōu)化是金融風控領域的關鍵問題。近日，我中心運行與應用服務室提出了一種生成進化框架，旨在解決傳統(tǒng)方法在進行投資組合選擇時所面臨的通用性不足以及機器學習方法設計和訓練成本高等難題。實驗結果表明，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)實投資場景下的投資組合優(yōu)化提供決策依據(jù)。

該研究成果被進化計算領域會議 IEEE Congress on Evolutionary Computation錄用。論文第一作者為運行與應用服務室助理研究員李晨。該成果得到中國科學院戰(zhàn)略性先導科技專項?（B 類）的資助。

相關成果：

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)

責任編輯：郎楊琴