投資組合優(yōu)化是金融風(fēng)控領(lǐng)域的關(guān)鍵問題。近日，我中心運行與應(yīng)用服務(wù)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(xué)習(xí)方法設(shè)計和訓(xùn)練成本高等難題。實驗結(jié)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(lǐng)域會議 IEEE Congress on Evolutionary Computation錄用。論文第一作者為運行與應(yīng)用服務(wù)室助理研究員李晨。該成果得到中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項?（B 類）的資助。

相關(guān)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