基于集成学习的Black-Litterman模型的A股行业配置应用

发布时间：2024-02-15 01:38

　　本文主要以Black-Litterman投资组合模型为基础研究中国A股市场上的行业配置问题.Black-Litterman模型是基于马科维茨均值方差框架的改进模型,结合投资者主观观点得到资产期望收益率,但较为困难的是投资者观点的设置,主观性较强.针对Black-Litterman模型中投资者主观观点的随意性等问题,本文采用集成学习算法,使用随机森林、GBDT、XGBoost等回归模型通过训练全A股作为样本,滚动预测下一期行业指数的收益率,得到Black-Litterman模型的观点矩阵和观点向量,作为参数代入Black-Litterman模型优化框架进行行业配置,在平衡风险的情况下进行收益的最大化.最后使用Black-Litterman模型每期得到的行业权重对历史时间区间进行回测,与基准组合、马科维茨模型构建的投资组合与非集成学习算法构建的Black-Litterman模型组合对比,绘制出多条资产净值曲线,结果显示基于集成学习算法的Black-Litterman模型业绩表现优于其他模型与基准组合.

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

图2实证流程

21第三章实证检验3.1实证设计本文使用国内A股市场数据作为模型建立的基础,主要分成两个部分,第一个部分是基于机器学习,根据上一期股票因子表现作为样本数据训练,拟合回归模型,然后使用训练好的回归模型预测行业指数下一期收益率;第二个部分是基于BL模型的,使用机器学习预测出的收益率生....

本文编号：3898972