检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

带资产子集选择的在线投资组合选择算法研究

带资产子集选择的在线投资组合选择算法研究

作者：邓泽伟深圳大学

学位级别：硕士

在线组合投资选择是一个在线决策问题,基于已知的价格向量时间序列,为一组资产之间的财富分配做出多期决策,以最大化累积财富。大多数在线投资组合选择算法在整个资产集中使用特定策略进行财富分配。这种做法存在三个问题:第一,不同的... 详细信息

在线组合投资选择是一个在线决策问题,基于已知的价格向量时间序列,为一组资产之间的财富分配做出多期决策,以最大化累积财富。大多数在线投资组合选择算法在整个资产集中使用特定策略进行财富分配。这种做法存在三个问题:第一,不同的资产受市场情绪的影响不同,波动不一样,需要使用不同的投资策略;第二,现有算法使用单一策略,不能按照市场趋势变化选择不同的资产子集进行财富分配,这种做法效果不佳;第三,现有的算法可扩展性比较弱,不能根据市场情绪变化转变策略,不能解决前面的两个问题。比如,追踪赢家策略使用单一策略,把财富更多地分配给过去表现较好的资产,在一些市场中出现策略失效的情况。因此,本文提出带资产子集选择的在线投资组合选择算法研究:(1)提出带资产子集选择的在线投资组合选择框架(OSPS)。该框架包含资产子集划分模块、工作集切换模块和工作集财富分配模块。资产子集的划分模块根据特定的算法实例把整个资产集合划分为不同的资产子集;工作集的切换模块根据市场情绪的变化选择不同的资产子集作为工作集,实现策略的切换;工作集财富分配模块在工作集中完成投资组合最终的财富分配。(2)针对资产价格反转强度影响趋势反转算法性能的问题,提出OSPS框架的实例化算法OSPS1。OSPS1算法综合地考虑了资产长短期历史信息,建议一个资产价格反转强度指示器对资产的反转强度进行排序,构造有较高反转强度的资产子集。在优化的资产子集中,OSPS1算法建议一个趋势反转算法进行财富分配。OSPS1结合反转强度指示器和趋势反转算法,取得了优于其他趋势反转算法的性能表现。(3)针对OSPS1算法没有考虑资产全集中存在某些子集长期收益低下带来的风险问题,提出OSPS框架的实例化算法OSPS2。OSPS2算法基于安全第一风险原则构造资产权重优化模型,把整个资产集划分为低回报资产子集和高回报资产子集;其次,在工作集切换模块,OSPS2基于市场牛熊市的变化选择低回报资产子集或高回报资产子集作为工作集,实现策略切换;最后,在工作集中使用移动均值反转算法进行财富分配。在实验中,OSPS2算法在最大回撤率等风险指标优于OSPS1算法,且在6个真实数据集上与10种代表性算法的比较中取得了整体最佳性能。(4)为了优化OSPS2算法的性能,提出了OSPS框架的实例化算法OSPS3。在线投资组合选择是一个自筹资金问题,投资组合向量的分量要满足非负且和为1的条件,所以包括OSPS2在内的很多投资组合算法需要一个额外的单纯形映射步骤,这会影响算法的准确性。因此,在工作集财富分配模块,OSPS3算法建议一种封闭数学公式来求解一个短期趋势反转类型的优化问题。另外,为了提高算法的运行效率,在资产子集划分模块,OSPS3算法提出了一种投影梯度下降优化算法,达到线性时间复杂度地求解基于安全第一原则的资产权重优化模型。基于这两个模块的创新实现方法,OSPS3算法显著地提高了算法的运行性能。在实验中,OSPS3算法取得了优于其他算法的性能表现,且运行时间低于OSPS2的四十分之一。本研究所建议的3个算法在6个真实数据集的累积收益、夏普比率等指标均获得最优的表现,充分验证了OSPS框架的有效性。

关键词：在线投资组合选择资产子集选择策略切换安全第一原则趋势反转

基于市场动态与资产特征的在线投资组合选择学习方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于市场动态与资产特征的在线投资组合选择学习方法研究

作者：赖飞同广州大学

学位级别：硕士

投资组合选择指投资者根据投资目标与风险偏好,在不同资产中分配资金,以达到投资收益与风险平衡的目的。近年来,研究人员将机器学习技术应用于在线投资组合选择中,旨在通过大数据技术提升投资组合管理的效率与有效性。然而,传统的在线... 详细信息

投资组合选择指投资者根据投资目标与风险偏好,在不同资产中分配资金,以达到投资收益与风险平衡的目的。近年来,研究人员将机器学习技术应用于在线投资组合选择中,旨在通过大数据技术提升投资组合管理的效率与有效性。然而,传统的在线投资组合选择算法通常采用固定的标准和方法做出投资决策,却忽略了市场整体动态变化的影响。此外,这些算法通常依赖于带有主观意向的指标或策略的规则性应用,在有效捕捉历史价格数据的非线性变动上存在一定挑战。因此,本文以市场整体的动态变化与非线性金融波动的捕捉为研究切入点,提出了三种新型的在线投资组合选择学习方法,旨在使求解所得的投资组合同时具备良好的盈利与风险规避能力。本文主要讨论内容包括:第一,在峰值价格追踪算法的基础上,本文提出了一种新型的投资潜力追踪学习系统(A Novel Investment Potential Tracking-Based Learning System,IPT),旨在追踪更多的资产信息与市场整体的动态变化。首先,IPT系统提出了一个资产信息模型,在峰值价格追踪算法的基础上追踪了更多的资产历史信息,并将市场的整体波动纳入考量。其次,结合动量效应与反转效应,IPT系统设计了一种综合考虑近期趋势、反转潜力与历史风险的三态策略选择算法,以计算资产的投资潜力得分。第三,IPT系统在交易开始前对初始投资组合向量进行了预训练,以整合更多的历史交易信息。最后,IPT系统通过梯度投影方法获取每期的资产配置比例。通过实证分析和统计检验,本文验证了IPT系统在资产配置中平衡收益与风险的能力。第二,在IPT系统的基础上,本文进一步提出了一种基于序信息的在线自适应资产跟踪算法(Online Adaptive Asset Tracking Algorithm with Ordinal Information,OAAT),为算法中的参数选择提供了更好的解决方案。首先,OAAT算法提出了一个基于市场动态参数的自适应资产信息模型,旨在实时捕捉市场的动态变化。其次,OAAT算法通过在线随机梯度下降优化算法中的参数,从而自适应地调整算法对动量效应与反转效应的倾向,以及投资组合向量更新的步长。第三,OAAT算法的初始参数基于训练集序信息的最小和原则进行选择,以有效地提升算法性能与参数的优化效率。最后,OAAT算法使用梯度投影技术计算每期的资产配置比例。经过实证分析和统计检验,结果一致表明,OAAT算法能够有效地平衡投资组合的回报与风险。第三,为了降低峰值价格追踪算法中人为主观意向的影响,本文提出了一种基于深度序列特征与反转信息的资产价格追踪算法(A Novel Predictive Price Tracking Algorithm using Deep Sequence Features and Reversal Information,DSF-RI-PPT)。首先,DSF-RI-PPT算法分别采用自适应噪声全集成经验模态分解、主成分分析算法和长短期记忆网络对资产的相对价格进行序列分解、非相关的金融序列特征提取与相对价格预测。其次,DSF-RI-PPT算法通过引入反转指标—变动率,为投资组合求解补充反转信息。最后,DSF-RI-PPT算法使用梯度投影技术计算每期的投资组合向量。实证分析和统计检验的结果表明,DSF-RI-PPT算法的回测结果表现优异,在风险管理和实时交易表现等方面展示出优越的效果。本文探讨了机器学习算法在捕捉市场动态变化与资产波动规律上的创新,并提出了三种新型的在线投资组合选择学习方法,通过科学合理的实验设计和统计验证,获得了具有竞争力的实验结果,并验证了本文研究的有效性,从而进一步推动了投资组合领域的研究。

关键词：在线投资组合选择动量效应与反转效应在线随机梯度下降经验模态分解长短期记忆网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于次梯度投影的泛投资组合选择策略

管理科学学报 2018年第3期21卷 94-104页

作者：李斌张迪唐松慧武汉大学经济与管理学院金融系武汉430072

在线投资组合选择(online portfolio selection)问题是当前量化投资领域一个重要的研究问题.近些年来,可投资标的的爆炸式增长急需能够有效计算的投资组合选择策略,而现有高绩效算法大多具有指数级或多项式级的时间复杂度,不利于在实际... 详细信息

在线投资组合选择(online portfolio selection)问题是当前量化投资领域一个重要的研究问题.近些年来,可投资标的的爆炸式增长急需能够有效计算的投资组合选择策略,而现有高绩效算法大多具有指数级或多项式级的时间复杂度,不利于在实际中应用.由此,本文提出了一种基于次梯度投影的泛投资组合选择策略SGP.将次梯度投影的思想应用到资产组合构建的过程中,得到策略的再平衡规则.理论上,本文分析了次梯度投影算法的竞争性能,证明了该策略是一个泛投资组合选择策略;并发现该算法具有线性时间复杂度.实证上,验证了SGP策略在美国与中国市场的表现.结果表明,SGP策略能够实现和最新的泛投资组合选择策略相当的收益率,而算法运行时间短于现有策略.参数敏感性分析表明SGP策略对参数选择不敏感;交易成本敏感性分析表明SGP策略能够承受合理的交易成本.

关键词：在线投资组合选择泛投资组合选择次梯度投影最优定常再调整策略

在线全文

学校读者我要写书评

暂无评论

基于金融异象的在线投资组合策略研究

基于金融异象的在线投资组合策略研究

作者：吴槐雄华南理工大学

学位级别：硕士

有效市场理论自提出以来,一直是金融市场理论的核心,是现代金融学理论的重要基石,资本资产定价模型(CAPM)、套利定价理论(APT)和期权定价模型(OPT)等重要理论皆在有效市场假设之上建立。然而,对有效市场理论在理论和实践上的质疑和争论... 详细信息

有效市场理论自提出以来,一直是金融市场理论的核心,是现代金融学理论的重要基石,资本资产定价模型(CAPM)、套利定价理论(APT)和期权定价模型(OPT)等重要理论皆在有效市场假设之上建立。然而,对有效市场理论在理论和实践上的质疑和争论也从未间断,因为实证检验发现市场上有很多跟有效市场理论不符的现象,它们被称为异于有效市场理论的“金融异象”。恰当地利用这些异象可以有效提高在线投资组合策略的收益,还可以促进市场的有效性。本文结合金融异象中的均值回归效应和动量效应,以及机器学习中在线学习技术,提出了三个在线投资组合策略模型及算法并进行实证检验。本文的主要工作及创新点概况如下:(1)提出基于绝对价格统计关系的在线投资组合策略。Borodin等人提出的Anticor策略是基于历史相对价格统计关系的启发式算法,由于历史相对价格表现的是各期间价格变化的幅度,而不是直观价格变化趋势,所以本文基于更能表现证券价格走势的绝对价格统计关系来度量反转效应,提出基于绝对价格统计关系的在线投资组合策略并利用国内市场数据集进行实证检验,结果表明本文提出的策略优于原策略以及基准策略,并且具有良好的稳健性。(2)提出基于成交量信息加权的价格反转在线投资组合策略。金融异象中的反转效应不仅跟收益率有关,还跟交易量冲击有关,证券在经过高成交量的交易日后通常出现反转效应。基于该结论,本文将多期成交量信息和价格信息跟在线学习技术结合,创新性地利用成交量信息设计新的在线投资组合策略,建立优化模型并推导算法,最后利用国内市场数据集进行实证研究,结果表明成交量信息提升了策略的收益,使策略的收益优于其他策略和基准策略,并且具有良好的稳健性。(3)提出基于处置效应的动量在线投资组合策略。动量效应的行为金融学解释指出,前景理论的推论“处置效应”导致动量效应。本文利用该结论构建“当前股价跟持仓均价的比”的指标,基于给予盈利的股票更大的权重的思想,创新性地设计基于处置效应的动量在线投资组合策略,并利用国内市场数据集进行实证检验,结果表明该策略具有优于其他动量策略和基准策略的表现,并且具有良好的稳健性。

关键词：在线投资组合选择金融异象统计关系成交量冲击处置效应

基于市场异象与股价预测的在线投资组合策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于市场异象与股价预测的在线投资组合策略研究

作者：彭子衿华南理工大学

学位级别：硕士

投资组合选择问题,是指投资者在不确定环境下对金融资产进行选择与合理配置的决策问题。金融市场的复杂性决定了投资者在进行投资活动时,其面临的市场环境是不断变化的。为了实现收益最大化的目标,投资者需要在对未来信息一无所知的情形... 详细信息

投资组合选择问题,是指投资者在不确定环境下对金融资产进行选择与合理配置的决策问题。金融市场的复杂性决定了投资者在进行投资活动时,其面临的市场环境是不断变化的。为了实现收益最大化的目标,投资者需要在对未来信息一无所知的情形下,根据当前市场环境的信息状况不断地调整投资策略。因此,投资组合选择并非一劳永逸,而是一个动态、在线的问题。以均值-方差模型为基础的投资组合理论研究主要集中在静态情形下进行,而在动态情形下,由于相关模型的求解极为困难,导致其研究结果较少。近年来,随着在线算法逐渐运用到投资组合选择问题的研究工作中,在线投资组合理论研究得以快速发展。本文借助市场异象特征、在线学习算法对投资组合问题进行研究,得到了以下成果:1.提出了基于L1-中位数的一种新的泛证券投资组合策略。本文基于历史时间窗口的数据信息、利用具有鲁棒性的L1-中位数估计得到预期价格趋势,通过最大化预期收益,给出一种新的在线投资组合策略,它既可解决经典UP策略因存在高维空间积分而导致计算复杂的问题,同时又能够尽可能地利用历史数据信息。本文进一步证明了新策略是一个泛证券投资组合策略;最后通过市场真实数据的实证检验表明:与各基准策略相比,该策略能够取得较好的收益。2.提出了分别具有动量特征、反转特征的两个新的Switching交易策略。关注投资组合实施过程中各基本策略之间转换机制的设计,并以市场异象为切入点,充分学习市场异象的特征,根据动量效应、反转效应构造体现不同特征的基准策略转换概率,设计出具有动量特征或反转特征的新的Switching交易策略。本文给出并证明了具有动量效应特征的策略的收益下界;最后通过市场真实数据的实证检验表明:新的Switching策略能在不同的组合下获得优于各基准策略的收益,追踪甚至更优于事后最优定常再调整投资策略的表现。3.提出了多周期非对称均值回归被动主动策略。针对现有基于均值回归的在线策略大多假设均值回归是多周期对称或者单周期非对称、而实际中均值回归一般同时具有多周期性和非对称性的问题,本文研究具有多周期非对称性均值回归性质的在线策略。通过构造多分段损失函数,结合被动-主动算法的分类思想,提出了一种新的在线投资组合策略。这个新策略具有线性时间复杂度,因而适用于大规模交易。虽然该策略很难得到一个理论上的收益保证,但通过四个真实市场数据集的实证检验,证明新策略能够取得比以往策略更优异的收益,同时能够承受更高的交易费用比率。总的来说,本文基于市场异象的特征与股价预测的方法,对现有在线投资组合策略进行了改进、研究。本研究不仅丰富了现代投资组合理论,尤其是在线投资组合理论,而且对在线投资者具有重要的现实指导意义。

关键词：在线投资组合选择市场异象股价预测多分段损失函数被动主动算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于股价预测的泛证券投资组合策略

中国管理科学 2018年第9期26卷 1-10页

作者：彭子衿徐维军华南理工大学工商管理学院广东广州510641 广州市金融服务创新与风险管理研究基地广东广州510641

本文基于期望效用最大化和L1-中位数估计研究了在线投资组合选择问题。与EG （Exponential Gradient）策略仅利用单期价格信息估计价格趋势不同,本文将利用多期价格信息估计价格趋势,以提高在线策略的性能。首先,基于多期价格数据,利用... 详细信息

本文基于期望效用最大化和L1-中位数估计研究了在线投资组合选择问题。与EG （Exponential Gradient）策略仅利用单期价格信息估计价格趋势不同,本文将利用多期价格信息估计价格趋势,以提高在线策略的性能。首先,基于多期价格数据,利用L1-中位数估计得到预期价格趋势。然后,通过期望效用最大化,提出一个新的具有线型时间复杂度的在线策略,EGLM （Exponential Gradient via L1-Median）。并通过相对熵函数定义资产权重向量的距离,进而证明了EGLM策略具有泛证券投资组合性质。最后,利用国内外6个证券市场的历史数据进行实证分析,结果表明相较于UP （Universal Portfolio）策略和EG策略,EGLM策略有更好的竞争性能。

关键词：在线投资组合选择泛证券投资组合 L1-中位数估计相对熵函数时间复杂度

在线全文

学校读者我要写书评

暂无评论

基于增量宽度学习的投资组合风险控制模型

统计理论与实践 2023年第1期 50-57页

作者：陈良霞李博王琪余远冯泽涛贾颖山东工商学院计算机科学与技术学院山东烟台264005 山东工商学院统计学院山东烟台264005

在线投资组合研究成为近年的热点,引起很多来自不同领域研究人员的关注。然而,金融市场的现有模型并未考虑增量学习、资产波动风险以及在特征值水平上消除系统噪声等问题。在宽度学习的基础上提出了一种在线增量学习模型,可以采用增量... 详细信息

在线投资组合研究成为近年的热点,引起很多来自不同领域研究人员的关注。然而,金融市场的现有模型并未考虑增量学习、资产波动风险以及在特征值水平上消除系统噪声等问题。在宽度学习的基础上提出了一种在线增量学习模型,可以采用增量的方式进行在线学习。并提出了一种基于随机矩阵理论的去噪方法,从特征值维度上去消除系统噪声。实验结果表明,所提出的模型不仅能够在累积财富指标方面取得较好的效果,同时在其他指标如夏普比率、信息比率和卡尔马比率上均优于现有的常用模型。因此,该模型可以在有效控制风险的同时产生良好的累积收益。

关键词：在线投资组合选择宽度学习系统累积回报风险控制

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

带有动量效应的在线动态移动平均反转策略

计算机应用与软件 2023年第5期40卷 305-311页

作者：吴金明刘钊上海工程技术大学数理与统计学院上海201620 沧州师范学院计算机科学与工程学院河北沧州061001

针对现有均值反转类策略存在的预测模型参数无法动态更新和未充分考虑动量效应的问题,提出一种策略M-ODMAR。使用简单移动平均模型对股票价格进行预测,并通过在线牛顿步(Online Newton Step,ONS)算法对模型参数进行动态更新;利用在线被... 详细信息

针对现有均值反转类策略存在的预测模型参数无法动态更新和未充分考虑动量效应的问题,提出一种策略M-ODMAR。使用简单移动平均模型对股票价格进行预测,并通过在线牛顿步(Online Newton Step,ONS)算法对模型参数进行动态更新;利用在线被动攻击(Passive Aggressive,PA)算法选取投资组合;使用L1中位数来提取价格动量信息并对投资组合进行调整。实验结果显示,在四个数据集上该策略的累积收益高于所对比的其他策略,说明了参数的动态更新和动量效应的加入对于均值反转类策略的累积收益提高具有促进作用。

关键词：在线投资组合选择在线牛顿步算法均值反转动量效应简单移动平均

在线全文

学校读者我要写书评

暂无评论

基于OGD算法的在线移动平均反转策略

软件导刊 2021年第9期20卷 119-122页

作者：吴金明上海工程技术大学数理与统计学院上海201620

为改善非平稳金融市场环境下在线投资组合策略无法实时动态调整的缺点,提出一种OGDMAR策略。基于在线梯度下降(OGD)算法,对在线移动平均反转策略的预测模型进行改进,使预测模型的系数在每次迭代时都可重新调整。在4个经典数据集上进行... 详细信息

为改善非平稳金融市场环境下在线投资组合策略无法实时动态调整的缺点,提出一种OGDMAR策略。基于在线梯度下降(OGD)算法,对在线移动平均反转策略的预测模型进行改进,使预测模型的系数在每次迭代时都可重新调整。在4个经典数据集上进行数值实验,结果表明,与原策略的累积收益相比,改进策略在4个数据集上分别提升了111%、134%、32%和48%,并且在不同的交易成本条件下累积的收益更高。OGDMAR策略具有应对非平稳环境的能力,不仅在累积收益方面有显著提升,而且具有更强的交易成本承受能力。

关键词：在线投资组合选择在线梯度下降算法均值反转简单移动平均