融合投资者采纳意愿的基于Transformer的自适应投资组合优化模型研究

《Scientific Reports》：Transformer-based robot portfolio optimization by integrating user adoption willingness

　　

摘要

近年来，当传统投资组合优化（PO）模型面对高波动性与非理性市场环境时，常面临收益率预测偏差与风险响应滞后等问题，这使得投资决策难以兼顾市场动态变化及投资者行为差异。为解决上述问题，本研究构建了一种融合投资者采纳意愿的智能投资组合优化模型——基于Transformer的自适应意愿投资组合（TransAWP）。该模型整合了市场价格序列、宏观经济指标、资产风险特征及投资者意愿信号，实现了由行为驱动的投资权重自适应调整。基于2018至2023年多源金融数据的实证研究表明，该模型在预测准确性与鲁棒性方面均表现出较高水平；同时，在关键评价指标上取得了相对领先的结果。具体而言，TransAWP在多项评价指标上展现出更低的预测误差、更强的解释力以及更稳定的输出特征，反映了其强大的市场趋势捕捉能力与风险适配能力。本研究旨在为机构投资者和智能投资顾问系统提供一个兼顾收益稳定性与投资者心理偏好的决策框架。