投资组合AP聚类选择及LSTM资产预测配置研究

发布时间：2024-04-08 22:35

　　投资组合能够通过分散投资者或金融机构持有的资金,有效地降低投资风险。投资组合所研究的数据为典型时序数据,若选取的投资组合之间的时序相关性较大,则不能够真正地分散投资风险,并且其主要通过分析历史时序数据而进行资产配置,未能有效地应对未来金融市场的风险。因此,研究时序聚类获取低风险的投资组合以及在有效的时序预测数据下进行投资组合策略研究具有重要意义。针对投资组合间时序相关性较大的问题,根据金融时序聚类可行性分析,提出基于AP聚类的时间序列聚类方法进行投资组合选择。分析利用AP聚类应用于投资组合聚类选择的优点,同时针对原AP聚类算法中因数据量过大以及较高时间维度而造成聚类数目较多且不可控的问题进行改进,提出一种可控式的AP聚类算法,该算法在原有的AP聚类算法中设置可控参数,从而对聚类结果进行控制,为投资者提供灵活的投资组合选择方式。针对由历史数据进行投资组合资产配置不能够有效应对金融市场未来风险的问题,提出基于LSTM对已选投资组合的各数据进行预测,根据预测数据计算出各个时序数据之间的相关性风险,并结合相关性风险提出一种动态择时资产配置方法,为投资者提供有利的投资时机和资产分配比例以应对未来...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图2-5序列A、B、C某时间内的走势图如上（a）（b）（c）所示

性也会随着本身的变化幅度大小，在0与1之间产生较大的数值差距，则趋势的相似性的问题，往往会使得归类的类别不是具有相同趋势性的类别2-5所示：（a）(b)

图2-6序列A、B、C走势重叠图

第二章相关理论基础由上述三图中客观观察可知，在3个时序数据走势（已进行平滑化处理）序列A与B的走向十分的相似，相比于序列C的走向而言，无论是升跌及基本走势与振动频率，与序列C都有较大的分别，在进行时序相似性聚中，应该将这两者分为一类，而将序列C作为单独的....

图2-7序列A、B、C哈希向量化后的走势图（e）（f）（g）及走势重叠图（h）

（h）图2-7序列A、B、C哈希向量化后的走势图（e）（f）（g）及走势重叠图（h）Fig.2-7ThegraphsofthevectorizedA,B,andChashesareasfollows:(e)(f)(g)andthetren....

图2-8沪深300指数2018年全年收盘价数据

括必须预先知道的当前预测数据与过去多少时间段内数据相关的时间段p，和多少时间段内的随机扰动量相关的时间段q。这两个参数必须通过预先的判定进行对模型的训练，可通过ACF（自相关函数）以及PACF（偏相关函数）进定，确定后将采用历史数据，对式子中的参数即时间段内的各个数据对....

本文编号：3948915