稀疏学习、资产共线性与投资组合选择
Sparse Learning,Asset Colinearity and Portfolio Selection作者机构:山西财经大学财政与公共经济学院太原030006 北京航空航天大学经济管理学院北京100191 中国科学院大学经济与管理学院北京100190
出 版 物:《系统科学与数学》 (Journal of Systems Science and Mathematical Sciences)
年 卷 期:2021年第41卷第11期
页 面:3128-3138页
核心收录:
学科分类:02[经济学] 0202[经济学-应用经济学] 07[理学] 020204[经济学-金融学(含∶保险学)] 070104[理学-应用数学] 0701[理学-数学]
主 题:核范数正交回归 最小一乘法 低秩稀疏 资产共线性 组合优化
摘 要:通过核范数正交约束的稀疏学习方法深度挖掘市场特征,选择相对效率较高的重要指数构建市场有效组合并动态跟踪市场运行趋势,运用正交最小一乘的自适应权重学习方法进行泛组合资产配置优化,最终通过稀疏投影及分散优化策略获得最优组合配置.研究发现多目标核范数正交约束的稀疏回归策略可以更好地把握市场主要运行趋势并构建有效前沿,有效地克服资产共线性现象,自适应地表征资产之间的关联关系.稀疏分散的多目标回归策略在集中优势重点配置优质资源和稀疏分散风险及稳定提高收益方面实现了良好的统一,风险收益的均衡性更强,组合的稳健性更明显.实证结论对量化组合配置、风险平衡及投资管理具有重要指导意义.