在线学习算法在资产行业配置中的应用

发布时间：2017-04-25 07:11

  本文关键词：在线学习算法在资产行业配置中的应用，由笔耕文化传播整理发布。

【摘要】：随着马科威茨在1952年提出均值-方差模型,首次把统计学理论带入资产配置的研究领域后,资产配置理论开始得到长足的发展,并且越来越多地运用到数量化工具。包括随后的资本资产定价模型(CAPM)；由Black和Litterman提出的在均值-方差模型的基础上,引入主观的收益观点并利用贝叶斯方法,最后推导出全新的资产配置模型-—Black-Litterman模型。最近发展比较迅猛的关于资产配置的理论是在线资产配置的方法,这些理论认为市场是不断变化的,传统的资产配置模型在动态性上表现力不足,而在线资产配置方法可以解决这方面的缺陷。在线资产配置方法是利用不断发展的在线学习算法,结合市场特征来构建资产配置模型。一个典型的在线资产配置模型是CWMR模型,它是利用置信度加权学习算法(Confidence-Weight)并结合资本市场存在价格反转的金融异象来建模的。CWMR模型首次将行为金融学中的价格反转效应引入在线模型中,具有开创性,本文是在此模型基础上进行一系列研究和探讨的,试图对过往的模型做出一些补充和改进。首先,当前的行为金融理论指出,价格反转效应确实存在于金融市场,不光如此,同时存在的还有价格动量效应。因此,本文利用CW算法,结合价格动量效应推导出了CWMS动量模型,是对CWMR的一个补充。其次,对于当前市场状态是动量效应比较明显还是反转效应比较突出的判断,我们希望寻求一个更加准确的方法。本文利用HP滤波来对过去一段时间的价格进行提取趋势项和波动项,并构建了一个类似信噪比的指标来判断。最后,本文利用上述的指标来构建模型的切换机制,结合CWxMR反转模型和CWMS动量模型提出了一个全新的在线资产配置模型HP-CWMRMS模型,要达到的目的就是模型能在动量效应较强时自动运用CWMS模型而当反转效应较强时自动运用到CWMR模型上。本文将在解决上述问题的基础上将新的模型对中国金融市场的行业配置进行实证分析,比较它与CWMR模型的效果。
【关键词】：在线资产配置方法 CW算法 HP滤波 信噪比 HP-CWMRMS模型
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F830.9;F224
【目录】：

• 中文摘要10-12
• 英文摘要12-14
• 第一章 引言14-20
• §1.1 研究背景和意义14-15
• §1.2 文献综述15-17
• §1.3 问题提出17-18
• §1.4 论文结构与创新18-20
• §1.4.1 论文结构18-19
• §1.4.2 论文创新19-20
• 第二章 现代投资组合选择理论20-26
• §2.1 马科威茨均值方差模型20-21
• §2.2 资本资产定价模型21-23
• §2.3 Black-Litterman资产配置模型23-25
• §2.4 在线资产配置模型25-26
• 第三章 在线学习算法26-29
• §3.1 离线(批量)学习与在线学习的区别26-27
• §3.2 在线学习算法介绍27-28
• §3.2.1 最简单的在线学习算法27-28
• §3.3 置信度加权(Condience-Weight)在线学习算法28-29
• 第四章 HP-CWMRMS资产配置模型29-49
• §4.1 理论工具30-32
• §4.1.1 多元正态分布的Kullback-Leibler离散度30-31
• §4.1.2 Woodbury恒等式31-32
• §4.1.3 信噪比32
• §4.2 模型符号说明32-33
• §4.3 CWMR模型33-38
• §4.3.1 模型的构建33-34
• §4.3.2 模型的求解34-37
• §4.3.3 模型的更新步骤37-38
• §4.4 CWMS模型38-44
• §4.4.1 模型的构建38-39
• §4.4.2 模型的求解39-43
• §4.4.3 模型的更新步骤43-44
• §4.5 HP-CWMRMS模型44-49
• §4.5.1 HP滤波44-47
• §4.5.2 模型的切换机制47
• §4.5.3 模型的更新步骤47-49
• 第五章 实证研究49-60
• §5.1 投资业绩评价指标49-51
• §5.1.1 超额收益率49
• §5.1.2 胜率49-50
• §5.1.3 夏普比率50
• §5.1.4 信息比率50
• §5.1.5 最大回撤50-51
• §5.2 投资策略构建51-52
• §5.2.1 数据来源51
• §5.2.2 参数说明51-52
• §5.3 结果分析52-60
• §5.3.1 样本内最优参数下的模型53-54
• §5.3.2 模型全样本表现54-60
• 第六章 结论与展望60-61
• 参考文献61-65
• 致谢65-66
• 学位论文评阅及答辩倩况表66

【相似文献】

中国期刊全文数据库 前10条

1 ;一人多机的动态配置模型及其解法[J];管理科学文摘;1997年05期

2 高鹏,林兰芬,蔡铭,董金祥;基于本体映射的产品配置模型自动获取[J];计算机集成制造系统-CIMS;2003年09期

3 杨军，刘丽文;一人多机的动态配置模型及其解法[J];中国管理科学;1996年04期

4 何宗路，陈国帧;具有熵约束的生产力配置模型Ⅱ─—灵敏度与经济学分析[J];重庆交通学院学报;1994年03期

5 杨宏林;田立新;丁占文;;西部开发中能源配置模型的研究[J];数学的实践与认识;2006年04期

6 金秀,黄小原,马丽丽;基于VaR的多阶段金融资产配置模型[J];中国管理科学;2005年04期

7 周二华;战略性人力资源管理的配置模型[J];科技进步与对策;2002年05期

8 陈科恒;;基于FPBS的工程机械产品结构配置模型的建立[J];装备制造技术;2014年04期

9 李心愉;付丽莎;;基于Black-Litterman模型的保险资金动态资产配置模型研究[J];保险研究;2013年03期

10 李金鑫;涂巍;王治国;邹恒甫;;最优资产配置模型适用于中国股票市场吗[J];当代经济科学;2014年02期

中国重要会议论文全文数据库 前1条

1 刘泽双;苏大伟;甄翠;;基于产业结构的城乡统筹劳动力配置模型[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

中国重要报纸全文数据库 前2条

1 证券时报记者 唐曜华;渣打银行推出合理资产配置模型[N];证券时报;2008年

2 证券时报记者 付建利;信达澳银：长期增长依然确定[N];证券时报;2008年

中国博士学位论文全文数据库 前1条

1 周翔南;水资源多维协同配置模型及应用[D];中国水利水电科学研究院;2015年

中国硕士学位论文全文数据库 前5条

1 黄淮滨;在线学习算法在资产行业配置中的应用[D];山东大学;2015年

2 郭传龙;复杂产品配置模型耦合分析与优化及在高档数控机床中应用[D];浙江大学;2012年

3 高山武;岸桥行走机构配置设计系统的研究[D];上海海事大学;2007年

4 赵宇晴;SaaS流程可配置模型的研究与实现[D];东华大学;2011年

5 李莹;面向建设工程的物流服务系统功能配置模型与应用[D];天津大学;2010年

  本文关键词：在线学习算法在资产行业配置中的应用，由笔耕文化传播整理发布。

，

本文编号：325884