基于iSPCA的股票指数跟踪研究
发布时间:2020-07-01 02:03
【摘要】:随着中国股市的快速发展和日益成熟,股票指数种类愈来愈多,各种编制方法也日益完善,越来越多的个人投资者和投资机构开始尝试进行股票指数投资。股票市场瞬息万变、阴晴不定,在这种环境下如何寻找一种表现好的指数跟踪方法来构造出理想的股票投资组合,有效追踪标的指数,有着很重要的研究意义和经济价值。传统的股票指数跟踪方法在进行股票投资组合的选择时都大多采用部分复制成分股比例,或者按市值排名来选取出股票投资组合,这些方法在选择股票投资组合时都只是利用了现时的指数数据与股市情况,而并没有考虑到标的指数及其成分股的历史信息。本文将选中的股票指数与成分股收益率分别分为了样本内区间与样本外区间,提出利用整合下的稀疏主成分和稀疏主成分方法来提取出能涵盖大部分成分股信息的主成分,选取在这些主成分当中影响力较大的若干支股票组成投资组合,然后计算出最优的跟踪误差及股票权重配比,进行分析比较。结果发现,在样本内区间随着选取的投资股票数目增加,跟踪误差基本逐步减少,并且减少呈现放缓趋势,稀疏主成分方法能够取得比较理想的跟踪效果,且能够与市场上沪深300指数同类基金产品的跟踪误差持平。在样本外区间,整合的稀疏主成分分析效果优于稀疏主成分分析,跟踪水平接近于市场部分基金产品,并且其持股数远低于市场同类基金产品,具有一定的可解释性和稀疏性,可以在投资组合选择问题上为中小投资者提供一定的思路。
【学位授予单位】:厦门大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:F832.5
【图文】:
本文还需要利用跟踪误差标准差来对三种不同方法下分别选120、160支股票的跟踪组合进行效果分析。图1绘制出了跟踪的散点图。其中,不同颜色对应不同股票数量,不同散点形状分法,具体设置参见图例。从图1中可以看到,对于样本内区间数在选取160支股票作为跟踪组合时的整体跟踪标准差最小,效果入sign惩罚项和加入magnitude惩罚项的整合稀疏主成分方法,个“V”字形,也就是说,在2014年,跟踪标准差下降,而又在特别是加入sign约束项的iSPCA方法,在2015年,当只选取30误差相较于前年基本上增加了接近200%。这意味着在iSPCA方可能会带来年份之间跟踪标准差不平稳的问题,也在某种程度上样本内数据2015年的跟踪效果不如SPCA理想。逡逑
,120160逡逑股票显示出更加好的投资效果与更少的交易成本。逡逑根据以上分析,可以考虑对于样本外区间采用方案:加入sign惩罚约束项的逡逑合稀疏主成分分析一120支股票跟踪组合,加入magnitude惩罚约束项的整合逡逑疏主成分分析一邋160支股票跟踪组合,稀疏主成分方法一邋160支股票跟踪组合,逡逑作为比较理想的跟踪组合,再一次在Rstudio中计算出2015年11月1日至12逡逑31日之间44个有效交易日中的收益率偏差,最终绘制成图2中的散点图。其逡逑,沪深300指数因为其日收益率之差保持为0,所以一直稳定在横轴上,这里逡逑用的日收益率是根据公式:逡逑股票日收益率,!日^)=ln逡逑前一日收盘价邋P,_{逡逑算之后进行了标准化处理的近似股票日收益率。逡逑
【学位授予单位】:厦门大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:F832.5
【图文】:
本文还需要利用跟踪误差标准差来对三种不同方法下分别选120、160支股票的跟踪组合进行效果分析。图1绘制出了跟踪的散点图。其中,不同颜色对应不同股票数量,不同散点形状分法,具体设置参见图例。从图1中可以看到,对于样本内区间数在选取160支股票作为跟踪组合时的整体跟踪标准差最小,效果入sign惩罚项和加入magnitude惩罚项的整合稀疏主成分方法,个“V”字形,也就是说,在2014年,跟踪标准差下降,而又在特别是加入sign约束项的iSPCA方法,在2015年,当只选取30误差相较于前年基本上增加了接近200%。这意味着在iSPCA方可能会带来年份之间跟踪标准差不平稳的问题,也在某种程度上样本内数据2015年的跟踪效果不如SPCA理想。逡逑
,120160逡逑股票显示出更加好的投资效果与更少的交易成本。逡逑根据以上分析,可以考虑对于样本外区间采用方案:加入sign惩罚约束项的逡逑合稀疏主成分分析一120支股票跟踪组合,加入magnitude惩罚约束项的整合逡逑疏主成分分析一邋160支股票跟踪组合,稀疏主成分方法一邋160支股票跟踪组合,逡逑作为比较理想的跟踪组合,再一次在Rstudio中计算出2015年11月1日至12逡逑31日之间44个有效交易日中的收益率偏差,最终绘制成图2中的散点图。其逡逑,沪深300指数因为其日收益率之差保持为0,所以一直稳定在横轴上,这里逡逑用的日收益率是根据公式:逡逑股票日收益率,!日^)=ln逡逑前一日收盘价邋P,_{逡逑算之后进行了标准化处理的近似股票日收益率。逡逑
【参考文献】
相关期刊论文 前10条
1 马双鸽;王小燕;方匡南;;大数据的整合分析方法[J];统计研究;2015年11期
2 Jianqing Fan;Fang Han;Han Liu;;Challenges of Big Data analysis[J];National Science Review;2014年02期
3 孙彬;李铁克;张文学;;基于GD-FNN的金融股指预测模型[J];计算机应用研究;2010年09期
4 陈政;杨天奇;;基于RBF神经网络的股票市场预测[J];计算机应用与软件;2010年06期
5 智晶;张冬梅;姜鹏飞;;基于主成分的遗传神经网络股票指数预测研究[J];计算机工程与应用;2009年26期
6 彭维湘;多变量综合的主成分旋转法研究[J];数量经济技术经济研究;2005年06期
7 党建忠,陈 军,褚俊红;基于Feltham-Ohlson模型的中国上市公司股票价格影响因素检验[J];统计研究;2004年03期
8 梁慧稳,王慧敏;经济预测方法系统研究[J];现代管理科学;2002年06期
9 胡乃武,阎衍,张海峰;增发融资的股价效应与市场前景[J];金融研究;2002年05期
10 屈文洲,吴世农;中国股票市场微观结构的特征分析——买卖报价价差模式及影响因素的实证研究[J];经济研究;2002年01期
相关硕士学位论文 前2条
1 黄U
本文编号:2736138
本文链接:https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2736138.html