基于机器学习的多目标投资组合优化研究

作     者：张鹏 莫仕茵 曹卿 ZHANG Peng;MO Shiyin;CAO Qing

作者机构：华南师范大学经济管理学院广州510006 

出 版 物：《华南师范大学学报（自然科学版）》 (Journal of South China Normal University(Natural Science Edition))

年 卷 期：2024年第56卷第4期

页      面：100-110页

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 

基　　金：国家自然科学基金项目(71271161) 广东省自然科学基金项目(2024A1515011808) 广东省普通高校重点领域专项项目(2023ZDZX4131) 

主　　题：多目标投资组合 机器学习 下半方差 偏度 差分进化算法 

摘      要：文章首先运用随机森林、RBF神经网络和BP神经网络3种机器学习方法预测股票收盘价,使用历史数据和预测的收盘价计算投资组合的收益率均值、下半方差、偏度;然后,考虑交易成本、投资比例上下界约束和借贷约束,提出均值-下半方差-偏度多目标投资组合模型(M-SV-S)。该模型对应的优化问题属于非凸优化问题且求解困难,故首先将其转化为单目标优化模型,再运用差分进化算法进行求解。最后,选取上证50指数成分股作为样本进行实证分析,从收益率和索提诺比率等方面来对比M-SV-S模型与等比例投资组合模型的投资表现。实证结果表明:在样本外窗口内,M-SV-S模型的每日净收益率在1%~4%之间、30天的累计超额收益率超过50%、索提诺比率大于0,投资绩效明显优于等比例投资组合模型。