组合管理要把嘈杂的市场观测,一次性转成多资产、共享资金约束下的协同仓位。预测模型和 alpha 挖掘有助于发现机会,但传统流水线常把信号预测与组合构建拆开,学习目标未必对准分配与执行。AllocFlow 用端到端流匹配,从原始多资产行情历史直接生成联合仓位。该工作收录于 2026 年 11 月 15 日 Hugging Face Daily Papers。
跨资产流匹配与两阶段训练
为捕捉持仓依赖,AllocFlow 采用跨资产 flow Transformer,以时序市场表示为条件,联合生成所有标的上连续、带符号的仓位权重。输出是一组同时决定的仓位,而不是先打分再优化。
连续分配策略从头训练样本效率低且不稳定。作者采用两阶段:先用策略监督模仿,把候选组合塑造成较有结构的分布;再用 group-relative 强化学习,以组合级金融奖励 refinement 联合决策,并引入冻结策略作参考。第二阶段是在模仿策略上微调。
小时频加密永续的摘要数字
实验为小时级加密货币永续合约。强化学习将模仿策略年化净收益从 27.79% 提至 51.38%,Calmar 从 0.955 提至 4.043,并在全部指标上超过教师策略。AllocFlow 在额外六个月数据上 Calmar 达 4.90。摘要此后截断,完整区间无法核验。
材料未披露资产数量、交易成本、滑点、杠杆、教师策略和回撤路径。Calmar 对最大回撤敏感,这些数字只应按摘要字面引用。
我的判断
价值在于切法:把多资产仓位当作联合生成对象,用流匹配处理连续有符号权重,再用模仿稳住分布、用组合级奖励对齐交易目标,对「预测与配仓脱节」是对症的。适用边界很窄,目前只有加密永续、小时频和摘要级结果,迁移到股票或其他强约束账户没有证据。教师策略、相对强化学习的具体定义、截断实验细节以及保证金、成交、风控等实盘约束均未知。宜视为生成模型对接交易动作的技术线索,而不是可直接部署的策略。