ML-TEA:一套基于机器学习和技术分析的量化投资算法

量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易,并从中获取超额收益,是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA(machine learning and technical analysis).该模型以技术指标作为输入变量,再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向,并根据预测的方向来构建投资组合.实证结果显示:第一,三种模型的年化收益率都在25%以上,远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效(夏普比率、特雷纳比率和詹森绩效)来看,三种策略也都远超基准策略和现有策略.以夏普比率为例,三种策略均在1.50以上,而市场指数的夏普比率为0.38.第二,Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.     

基于分形视角下的沪港股市投资组合策略

针对已有研究的不足,为满足不同交易周期投资者的实际需求,将分形研究方法与传统投资组合模型相结合,考虑多时间标度和不同波动幅度因素,构建了单分形投资组合模型(MeanDCCA)和多重分形投资组合模型(Mean-MF-DCCA).依托"沪港通"平台,采用构建的模型,进行沪港股市组合投资,并对样本外效果进行检验和分析.结果表明:沪港股市间结构存在着标度效应和长记忆性,且具有多重分形特征;与传统的投资策略相比,单分形投资组合策略能够取得更佳的组合效果;多重分形投资组合策略通过选择合适的q阶,实证表明将会明显改善单分形投资组合策略,增强投资方案的盈利能力、提高夏普比率以及为不同风险偏好投资者创造额外效用.此研究对资产优化配置、风险管理以及沪港股市间相依结构刻画等方面具有重要的实际意义.     

基于(α,H)的投资策略的有效性:来自国际投资的证据

基于(α,H)的投资策略就是在资产组合的收益率低于H的概率不超过α的条件下,使得组合期望收益率最大的投资策略。选取26个国家或地区的市场指数数据,分别通过模拟和实证方法考察了这种投资策略在国际投资中的有效性。模拟结果表明,相对于等权策略和最小方差策略,基于(α,H)的投资策略能为投资者带来更高的收益水平和夏普比率;实证结果也表明,基于(α,H)的投资策略也能为投资者带来更高收益水平,在不允许卖空的情况下,该策略能为投资者带来比等权策略更高的夏普比率。此外,(α,H)组合的选择对这种投资策略的业绩产生重要影响。     

基于高频夏普指数的组合证券投资模型

资产选择与最优组合权重的设置是构建投资组合的两个关键步骤,利用日内高频数据构建一个夏普指数序列来进行资产选择,同时考虑多种组合策略.以沪市A股市场数据进行样本外实证分析。结果表明,不论市场处于下行还是上行行情,基于高频夏普指数选股方法构建的组合都能得到较高的风险调整收益,并具有较小的风险,同时在最优风险组合下,能得到可观的超额收益.     

金融资产多标度波动级串模型及其投资组合选择

依据金融资产多标度行为特征,从时间序列、标度结构两维度上建立波动级串模型,利用随机分割数和基元分割概率两个关键控制参量,将资产多标度波动递归表述成为积分标度波动特征,通过计算波动级串的高阶累积,建立资产多标度投资组合选择模型,进行多时间标度条件下的金融资产风险管理.     

考虑后悔厌恶的私募股权基金投资组合优化模型

在经典的Merton连续时间资产组合框架内引入非流动性的私募股权基金,探讨流动性约束对投资组合配置的影响.假设投资者具有终端投资组合财富的后悔厌恶型效用函数,通过求解动态承诺与投资组合优化问题,给出了投资者如何最优的向私募股权基金承诺资本,以及如何在股票和债券之间进行最优的动态再调整.通过数值模拟比较分析了后悔厌恶型投资者和CRRA型投资者的最优投资组合策略的变化情况.结果发现,由于私募股权基金非流动性的影响,后悔厌恶型投资者对私募股权基金的承诺比率低于CRRA型投资者的承诺比率,从而获得较低的投资组合财富.     

基于均值-MF-X-DMA的能源产业链投资组合策略

国际能源金融市场是复杂的非线性系统,极端气候、地缘政治和金融风险等因素深刻影响能源投资活动。基于分形理论与产业链理论,提出优化中国能源产业布局及外汇能源资产配置的投资策略。结合均值-方差模型与多重分形方法,构建均值-MF-X-DMA模型,并选取标普500指数中反映能源产业链5个环节的10支股票进行分析。研究结果表明：每支股票的收益率均具有分形特征,分形市场假说适用于能源投资组合的构建;基于产业链理论的选股思路,能够构建稳定性更好、收益率更高的投资组合;与传统投资组合模型相比,除了标度为10之外,该投资组合策略在其他标度下均能取得更高的收益以及夏普比率、詹森指数和特雷诺指数,并弱化系统性风险的影响。     

基于GJR-EVT-COPULA和下偏矩的最优资产组合分析

与方差风险测度相比,下偏矩一方面能够度量下边风险,另一方面通过设置不同的风险因子它可以更广泛的反映投资者的风险偏好.Harlow[1]建立了基于历史数据的均值下偏矩最优投资组合模型,本文考虑建立预测数据下的均值下偏矩最优投资组合模型,并同Harlow的模型进行实证比较.考虑到实际收益数据的时变性、杠杆效应和厚尾特征,引入AR(1)-GJR(1,1)-EVT模型来描述金融时间序列的上述特征,并通过t Copula函数描述资产收益之间的非线性相关性.对基于历史数据的均值-二阶下偏矩模型和基于预测数据的均值-二阶下偏矩模型的投资绩效进行考察.中国股市的实证结果表明,基于预测数据的均值二阶下偏矩模型可以得到更好的投资绩效.     

运用数据链进行雷达合作校正的仿真

估计雷达的系统误差对多传感器数据融合应用具有重要作用.使用数据链系统的通信和时钟同步功能,设计了一种基于交互协作的系统误差估计算法.算法假设飞机的组合导航设备能提供高精度的位置信息,通过使用Kalman滤波器对雷达系统误差进行估计.Kalman滤波器是递归形式,非常高效.通过仿真验证,算法的收敛性能优良,在各种计算周期和通信带宽上都能正常工作.     

证券市场的标度理论及实证研究

运用分形理论探讨证券市场的自相似性与标度不变性 ,分析三种标度指数 ,即自相关指数、Hurst指数、基于 DFA算法的标度指数 .基于标准差时间序列改进 Hurst指数 ,将 DFA推广为动态递推算法 .利用三种标度指数对国内沪深股市进行实证研究 .结果表明 ,沪深股市收益率均不服从正态分布 ,在跨时间尺度的股价指数之间存在着相关性 ,表现为分形时间序列 ,说明其背后所隐含的政策导向影响中国股票市场的特征 .     

经营者股权激励与公司风险的模型研究

考察了公司不同种类风险与经营者股权激励强度的关系.通过模型推导得出,当经营者不能买卖公司以外的市场证券组合时,经营者最优股权激励强度与公司非系统风险成反向变化关系,而与公司系统风险的相关关系不确定;当经营者能买卖公司以外市场证券组合时,经营者最优股权激励强度与公司非系统风险成反向变化,与公司系统风险无关,这为实践中经营者股权激励合同的设计进一步提供理论指导.     

基于代表性偏差的行为投资组合模型及实证

代表性偏差这一心理特征分为横向代表性偏差和纵向代表性偏差,将其分别引入投资组合模型, 研究了它们对投资者投资组合决策的影响. 提出了代表性收益概念, 从期望效用最大化的原则出发,把投资者的效用表示为期末收益和超额代表性收益的函数,建立了基于纵向代表性偏差的最优投资组合模型(横向类似), 实证分析表明这一模型能够得到投资组合的有效前沿.     

基于信用迁移全部贷款组合优化下的新增单笔贷款决策模型

根据CreditMetrics信用风险迁移矩阵的时间效应和随机过程中的Brown运动来反映银行贷款风险的非系统因素,确定信贷资产风险随时间变动的数学关系;结合因子模型与Markowitz的均值-协方差模型,建立基于存量与增量组合累计风险的银行贷款决策模型.模型的基本原理是通过对决策前贷款存量组合的风险和收益率与其加入一笔新贷款后的总风险和总收益率的对比来决定是否发放该笔贷款.模型的主要特点:①综合反映贷款存量组合累计风险对贷款决策的直接影响,合理地考虑了贷款存量组合与贷款增量的关系;②信贷资产的信用风险由扰动项定量的表示出来,而不是像流行方法那样由于因子模型的扰动项的均值为零而直接将σ2ei设置为0;③把微观层次的风险与宏观经济变量联系起来,充分考虑宏观经济要素对微观个体还贷能力的重要影响,即综合考虑了市场风险和信用风险对信贷风险的影响.     

Large Dynamic Covariance Matrix Estimation with an Application to Portfolio Allocation: A Semiparametric Reproducing Kernel Hilbert Space Approach

The estimation of high dimensional covariance matrices is an interesting and important research topic for many empirical time series problems such as asset allocation. To solve this dimension dilemma, a factor structure has often been taken into account. This paper proposes a dynamic factor structure whose factor loadings are generated in reproducing kernel Hilbert space (RKHS), to capture the dynamic feature of the covariance matrix. A simulation study is carried out to demonstrate its performance. Four different conditional variance models are considered for checking the robustness of our method and solving the conditional heteroscedasticity in the empirical study. By exploring the performance among eight introduced model candidates and the market baseline, the empirical study from 2001 to 2017 shows that portfolio allocation based on this dynamic factor structure can significantly reduce the variance, i.e., the risk, of portfolio and thus outperform the market baseline and the ones based on the traditional factor model.

     

基于不确定性测度相对熵的资产组合优化

假设投资者是风险规避型,运用相对熵测度均值-方差模型参数不确定性程度,研究投资者在最坏情境下的资产组合优化问题.基于均值-方差模型,在相对熵某一正常数约束下构建描述资产组合优化问题的最小-最大化模型;运用拉格朗日法获得模型相应最优解,分析模型参数不确定性对资产组合优化的影响;最后,基于不同类型资产组合样本数据做对比性实...     

基于Copula函数的金融理财产品风险度量

根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势，构建了反映金融理财产品收益实际分 布和相关性的联合分布函数. 为了研究度量收益率的实际分布和相关性对金融理财产品组合选择的影响，采用蒙特卡罗 方法对金融危机前期（稳定期）和金融危机时期（危机期）的投资组合进行了风险分析.     

基金的投资绩效归因分析及实证研究

通过证券投资基金的业绩归因发现基金业绩不佳的来源是改善基金投资业绩最有效的方法之一。本文主要利用国际上基金业绩归因中普遍采用的Brinson模型，首先对中国证券投资基金的业绩进行归因设计，并以德盛稳健基金2005年第一季度的数据为基础进行了实证研究。实证结果表明：在2005年第一季度，德盛稳健基金及其股票组合跑赢了基准，而债券组合没有跑赢，这主要是由于个券选择不合理；基金经理的仓位控制能力和行业配置能力良好，而股票量价操作能力较差；因此对个券选择或股票量价操作进行改进．基金的业绩将会更好。     

Risk management for international portfolios with basket options: A multi-stage stochastic programming approach

The authors consider the problem of active international portfolio management with basket options to achieve optimal asset allocation and combined market risk and currency risk management via multi-stage stochastic programming(MSSP). The authors note particularly the novel consideration and signi?cant bene?t of basket options in the context of portfolio optimization and risk management.Extensive empirical tests strongly demonstrate that basket options consistently have more clearly improvement on portfolio performances than a portfolio of vanilla options written on the same underlying assets. The authors further show that the MSSP model provides as a supportive tool for asset allocation,and a suitable test bed to empirically investigate the performance of alternative strategies.     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

存在相关性风险的资产组合策略

经典金融理论的资产配置策略没有考虑相关性风险, 而现实中,各种市场和各种资产之间的相关性是变化的, 从而使投资组合风险上升.与传统金融理论基于完全市场条件下的组合选择不同, 通过SJC-Copula刻画金融市场间不对称的尾部相关性,用CVaR方法求出存在相关性风险的资产组合有效前沿及策略.通过沪港市场的实证研究, 发现忽略上下尾相关性均会影响投资组合风险的估计, 会使投资组合遭受极端的负收益;量化并有效地控制不对称的尾部相关性能够改善资产组合的表现.