基于集成方法和风险平价的FOF投资实证研究
发布时间：2021-08-23 17:34
在国内资本市场渐进开放的趋势下,居民的投资增值需求也在不断增加,可选投资标的和金融工具变得丰富,但真正能为投资者带来良好收益的投资品种并不多,为了更好地解决这种供需矛盾,未来势必会形成投资者机构化的态势。在国内,公募基金作为主要的机构投资者,纵观其发展历程,近几年成立的公募基金数量大幅增长,但大多数基金并没有持续取得超越市场的超额收益,这也为个人投资者选取可靠的基金带来了挑战。与此同时,国内私募基金的规模也呈现飞速增长,截至去年年底,私募基金管理体量已突破11万亿。在增量资金大幅增加的趋势下,FOF基金这种投资形式开始受到关注和青睐。伴随公募基金FOF的获批,国内学者和业界对FOF基金投资展开了一系列如火如荼的研究,主要研究借鉴成熟资本市场的常用策略如生命周期策略、套利策略、风险平价策略、基金优选策略等,实证分析了这些策略在国内市场的适用性。FOF投资组合的构建一般分为两步,资产筛选阶段和权重配置阶段。本文在已有研究的基础上,以股票型、QDII、混合型、货币型和债券型五类基金作为备选基金,引入机器学习算法中的集成方法作为构建FOF投资第一阶段筛选基金的方法,并结合风险平价模型对这五类基...
【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图３．２股票型基金二元决策树（深度为２）训练结果??Ｘ｜．＾］?－?０?０＿２？??
ｖａｌｕｅ?＝?０．０２４３?ｖａｌｕｅ?＝?－０．０￣２Ｓ?ｖａｌｕｅ?＝?０．０３Ｐ３?＼ａｌｕｅ?＝?０．１２３??图３．２股票型基金二元决策树（深度为２）训练结果??Ｘ｜．＾］?－?０?０＿２？??ｍｓｅ?＝?０?０１０８??ｓａｍｐｌｅｓ?＝?４００??ｖａｌｕｅ?＝?Ｉ丨．０４１５??Ｔｍｅ／７?＾＼Ｆａｌ？ｅ??Ｘｌｌ］?＝０?０３０６?Ｘｌ：Ｊ?＝０?１２１＂??ｍｓｅ?＝?０?００５－１?ｕｉｙｅ?＝?０?０１＂＊２??ｓａｍｐｌｅｓ?＝?ｓａｍｐｌｅｒ：?＝?１２３??＼ｉＵｕｅ?＊?０．０１３８?ｖａｌｕｅ?＝?０?１０－１??＿＿＿＿??ｕｉｓｅ?－?０?（ＫＭ５?ｍｓｅ?＝?０．ＷＭ５?ｕｉｓｅ?＝?０?０１６３?ｉａ？ｅ?＝?０．０１５８??ｓａｍｐｌｅｓ?＝?２４＂＊?ｓａｍｐｌｅ．＇－?＝?３０?ｓａｍｐｌｅｓ?＝?２８?ｓａｉｕｐｌｔｉ：?＝?９５??ｖａｌｕｅ?＝?０?０２－１３?＼ａｌｉｉ？?＝?－０．０＊２８?＼?ａｌｎｅ?＝?０?０３Ｗ?ｖａｌｕｅ?＝?０．１２３??，ＸＩ，?Ｘ?＼?，，?Ｊ?＼?
集可能只有一个属性，也可能包含当前节点的全部属性，子集中包含的属性个??数决定了属性选择的随机程度，之后选择该子集中的一个最优属性作为该节点??的划分属性，其算法流程图如下图３．５所示。??随机森林算法在实际应用中表现出了很强的泛化能力，在众多集成方法中??属于性能最强的方法之一。这主要是因为其相较于Ｂａｇｇｉｎｇ算法而言，不仅具??备了?Ｂａｇｇｉｎｇ算法中通过对初始样本集进行自举抽样而获得的样本差异性，还??通过引入属性的随机选择机制加入了属性差异性，两者相结合增加了基学习器??之间的不同，从而进一步提高了集成方法的泛化性能。??由于随机森林算法是以Ｂａｇｇｉｎｇ算法为基础衍生而来，随机森林算法在学??习结果的收敛性方面与后者类似。刚开始训练模型时，随机森林的性能相对较??差
【参考文献】：
期刊论文
[1]基于风险因子的风险平价投资策略及实证研究[J]. 王秀国,张秦波,刘涛. 投资研究. 2016(12)
[2]随机森林在量化选股中的应用研究[J]. 王淑燕,曹正凤,陈铭芷. 运筹与管理. 2016(03)
[3]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌. 首都经济贸易大学学报. 2014(02)
[4]基于随机森林方法的基金收益率方向预测与交易策略研究[J]. 方匡南,朱建平,谢邦昌. 经济经纬. 2010(02)
[5]基于随机森林的基金评级模型选择[J]. 王志红,王华珍. 财务与金融. 2009(01)
[6]基于随机森林的基金重仓股预测[J]. 刘微,罗林开,王华珍. 福州大学学报(自然科学版). 2008(S1)
硕士论文
[1]基于风险平价策略的大类资产配置实证研究[D]. 蔡文捷.浙江大学 2017
[2]基于集成学习模型的上市公司财务困境判别研究[D]. 李家驹.深圳大学 2017
[3]FOF基于风险平价理论的资产组合研究[D]. 甄超.首都经济贸易大学 2017
[4]基于模糊动态SVM集成模型的选股研究[D]. 高安婧.哈尔滨工业大学 2017
[5]FOF基金风险配置策略设计[D]. 徐振伟.上海师范大学 2017
[6]大类资产配置风险平价模型及其应用[D]. 张研.山东大学 2017
[7]公募FOF中常用量化方法及相关模型的实证研究[D]. 刘建桥.山东大学 2017
[8]FOF基金的发展趋势与实证分析[D]. 刘凯.苏州大学 2016
[9]基于支持向量机集成学习方法的高新技术上市公司绩效预测研究[D]. 王丹阳.东南大学 2015
[10]风险平价配置和其他资产配置方法的比较研究[D]. 鲍兵.复旦大学 2014
本文编号：3358299
【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图３．２股票型基金二元决策树（深度为２）训练结果??Ｘ｜．＾］?－?０?０＿２？??
ｖａｌｕｅ?＝?０．０２４３?ｖａｌｕｅ?＝?－０．０￣２Ｓ?ｖａｌｕｅ?＝?０．０３Ｐ３?＼ａｌｕｅ?＝?０．１２３??图３．２股票型基金二元决策树（深度为２）训练结果??Ｘ｜．＾］?－?０?０＿２？??ｍｓｅ?＝?０?０１０８??ｓａｍｐｌｅｓ?＝?４００??ｖａｌｕｅ?＝?Ｉ丨．０４１５??Ｔｍｅ／７?＾＼Ｆａｌ？ｅ??Ｘｌｌ］?＝０?０３０６?Ｘｌ：Ｊ?＝０?１２１＂??ｍｓｅ?＝?０?００５－１?ｕｉｙｅ?＝?０?０１＂＊２??ｓａｍｐｌｅｓ?＝?ｓａｍｐｌｅｒ：?＝?１２３??＼ｉＵｕｅ?＊?０．０１３８?ｖａｌｕｅ?＝?０?１０－１??＿＿＿＿??ｕｉｓｅ?－?０?（ＫＭ５?ｍｓｅ?＝?０．ＷＭ５?ｕｉｓｅ?＝?０?０１６３?ｉａ？ｅ?＝?０．０１５８??ｓａｍｐｌｅｓ?＝?２４＂＊?ｓａｍｐｌｅ．＇－?＝?３０?ｓａｍｐｌｅｓ?＝?２８?ｓａｉｕｐｌｔｉ：?＝?９５??ｖａｌｕｅ?＝?０?０２－１３?＼ａｌｉｉ？?＝?－０．０＊２８?＼?ａｌｎｅ?＝?０?０３Ｗ?ｖａｌｕｅ?＝?０．１２３??，ＸＩ，?Ｘ?＼?，，?Ｊ?＼?
集可能只有一个属性，也可能包含当前节点的全部属性，子集中包含的属性个??数决定了属性选择的随机程度，之后选择该子集中的一个最优属性作为该节点??的划分属性，其算法流程图如下图３．５所示。??随机森林算法在实际应用中表现出了很强的泛化能力，在众多集成方法中??属于性能最强的方法之一。这主要是因为其相较于Ｂａｇｇｉｎｇ算法而言，不仅具??备了?Ｂａｇｇｉｎｇ算法中通过对初始样本集进行自举抽样而获得的样本差异性，还??通过引入属性的随机选择机制加入了属性差异性，两者相结合增加了基学习器??之间的不同，从而进一步提高了集成方法的泛化性能。??由于随机森林算法是以Ｂａｇｇｉｎｇ算法为基础衍生而来，随机森林算法在学??习结果的收敛性方面与后者类似。刚开始训练模型时，随机森林的性能相对较??差
【参考文献】：
期刊论文
[1]基于风险因子的风险平价投资策略及实证研究[J]. 王秀国,张秦波,刘涛. 投资研究. 2016(12)
[2]随机森林在量化选股中的应用研究[J]. 王淑燕,曹正凤,陈铭芷. 运筹与管理. 2016(03)
[3]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌. 首都经济贸易大学学报. 2014(02)
[4]基于随机森林方法的基金收益率方向预测与交易策略研究[J]. 方匡南,朱建平,谢邦昌. 经济经纬. 2010(02)
[5]基于随机森林的基金评级模型选择[J]. 王志红,王华珍. 财务与金融. 2009(01)
[6]基于随机森林的基金重仓股预测[J]. 刘微,罗林开,王华珍. 福州大学学报(自然科学版). 2008(S1)
硕士论文
[1]基于风险平价策略的大类资产配置实证研究[D]. 蔡文捷.浙江大学 2017
[2]基于集成学习模型的上市公司财务困境判别研究[D]. 李家驹.深圳大学 2017
[3]FOF基于风险平价理论的资产组合研究[D]. 甄超.首都经济贸易大学 2017
[4]基于模糊动态SVM集成模型的选股研究[D]. 高安婧.哈尔滨工业大学 2017
[5]FOF基金风险配置策略设计[D]. 徐振伟.上海师范大学 2017
[6]大类资产配置风险平价模型及其应用[D]. 张研.山东大学 2017
[7]公募FOF中常用量化方法及相关模型的实证研究[D]. 刘建桥.山东大学 2017
[8]FOF基金的发展趋势与实证分析[D]. 刘凯.苏州大学 2016
[9]基于支持向量机集成学习方法的高新技术上市公司绩效预测研究[D]. 王丹阳.东南大学 2015
[10]风险平价配置和其他资产配置方法的比较研究[D]. 鲍兵.复旦大学 2014
本文编号：3358299
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3358299.html
