Newest papers

From Economic Explanation to Performance Improvement in Machine-Learning Portfolios

Yunqi Liang, Stefan Zohren, Mihai Cucuringu · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.15144 · cited by 0 works (OpenAlex) · open-access PDF

Hindi

पारंपरिक मॉडल-स्तरीय विशेषता महत्व को आर्थिक रूप से महत्वपूर्ण पोर्टफोलियो परिणामों और निर्णयों के लिए बढ़ाने के लिए, हम एक स्थानीय प्रथम श्रेणी सेटअप-प्रसार फ्रेम की पेशकश करते हैं जो अनुक्रमित पोर्टफोलियो प्रदर्शन मीट्रिक के स्थानीय संवेदनशीलताओं के लिए आवृत्ति-उपयोग-प्रसार संवेदनशीलताओं को मानचित्रित करता है। हम प्रसारित योग्यताओं को पोर्टफोलियो लक्ष्यों के लिए सीधे परिभाषित शेपली मानकों से संबंधित करते हैं और शेप-स्तरीय अनुपात योग्यताओं के लिए सांख्यिकीय निष्कर्ष निकालते हैं। परिणामस्वरूप आवृत्ति-उपयोग-प्रसारित हस्तक्षेप प्रशिक्षण के बाद अनुकूलन की अनुमति देता है, जो पोर्टफोलियो-

Machine translation (Meta M2M100); the English original follows.

Abstract

To extend conventional model-level feature importance to economically meaningful portfolio outcomes and decisions, we propose a local first-order attribution-propagation framework that maps allocation-function feature exposures to local sensitivities of sequential portfolio performance metrics. We relate the propagated attributions to Shapley values defined directly for portfolio objectives and derive statistical inference for Sharpe-ratio attributions. The resulting attribution-guided feature-exposure intervention enables post-training adaptation, translating portfolio-metric explanations into out-of-sample decisions without retraining the underlying allocation model. We further introduce temporal stabilisation and cross-model averaging as complementary regularisation mechanisms. Empirically, the interventions yield statistically significant improvements in net Sharpe ratios across different model classes.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Portfolio, Econometrics, Sharpe ratio, Inference, Feature (linguistics), Computer science

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange