





准确测量投资组合相似度对ETF推荐、投资组合交易和风险对齐等金融应用至关重要。现有相似度度量方法多依赖精确资产重叠或静态距离指标,无法捕捉成分(如投资组合内证券)间的语义相似性,也难以处理部分重叠且权重异质的投资组合间的细微关系。本文提出STRAPSim(语义、双级、残差感知投资组合相似度),通过基于语义相似度的成分匹配、按权重加权及残差感知贪心对齐计算投资组合相似度。实验对比Jaccard、加权Jaccard及BERTScore变体,在公开分类、回归、推荐任务及企业债券ETF数据集上,STRAPSim在预测准确性和排名对齐上持续优于基线,并与基于回报的相似度实现最高Spearman相关性。通过成分感知匹配与动态重加权,STRAPSim为结构化资产篮子比较提供了可扩展、可解释的框架,在ETF基准测试、投资组合构建及系统化执行中展现出实用性。


