检索结果-南通市图书馆

系统工程理论与实践 2024年第1期44卷 338-355页

作者：李斌屠雪永武汉大学经济与管理学院武汉430072 武汉大学金融研究中心武汉430072

随着可投资资产与资产信息的爆炸式增长,投资组合选择研究面临资产和特征双重高维挑战.为此,本文提出一个基于机器学习和资产特征的投资组合选择框架,该框架借助机器学习技术的天然优势,运用高维特征直接预测投资组合权重,避开了常规的... 详细信息

随着可投资资产与资产信息的爆炸式增长,投资组合选择研究面临资产和特征双重高维挑战.为此,本文提出一个基于机器学习和资产特征的投资组合选择框架,该框架借助机器学习技术的天然优势,运用高维特征直接预测投资组合权重,避开了常规的两步投资组合管理范式中的收益预测过程,并用于中国股票市场的资产配置研究.结果显示:1)基于此框架提出的投资策略能够捕捉高维特征中的增量信息,并挖掘资产特征与投资权重之间线性与非线性关系,大幅提升了投资绩效;2)交易摩擦类特征是投资权重预测中最为重要的资产特征;3)策略在套利限制较为严重的股票上回报更高,而对宏观经济状态变化的敏感性较低;在其他经济约束下,策略表现依然稳健.本文拓展了现代投资组合理论的研究框架,促进了人工智能与量化投资领域的交叉融合发展.

关键词：投资组合选择人工智能资产特征大维资产配置量化投资

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习和资产特征的投资组合选择研究

引用

管理科学 2024年第6期

作者：李斌屠雪永

随着可投资资产与资产信息的爆炸式增长，投资组合选择研究面临资产和特征双重高维挑战。为此，本文提出一个基于机器学习和资产特征的投资组合选择框架，该框架借助机器学习技术的天然优势，运用高维特征直接预测投资组合权重，避开了... 详细信息

随着可投资资产与资产信息的爆炸式增长，投资组合选择研究面临资产和特征双重高维挑战。为此，本文提出一个基于机器学习和资产特征的投资组合选择框架，该框架借助机器学习技术的天然优势，运用高维特征直接预测投资组合权重，避开了常规的两步投资组合管理范式中的收益预测过程，并用于中国股票市场的资产配置研究。结果显示：1）基于此框架提出的投资策略能够捕捉高维特征中的增量信息，并挖掘资产特征与投资权重之间线性与非线性关系，大幅提升了投资绩效；2）交易摩擦类特征是投资权重预测中最为重要的资产特征；3）策略在套利限制较为严重的股票上回报更高，而对宏观经济状态变化的敏感性较低；在其他经济约束下，策略表现依然稳健。本文拓展了现代投资组合理论的研究框架，促进了人工智能与量化投资领域的交叉融合发展。

关键词：投资组合选择人工智能资产特征大维资产配置量化投资 portfolio selection artificial intelligence asset characteristics large dimensional asset allocation quantitative investment

来源：人大复印报刊资料评论

在线全文

人大复印报刊资料

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：