基于多因子选股的半监督核聚类算法改进研究

研究了一种附有引力影响因子的半监督K-means核函数聚类算法,并将该方法应用于多因子选股模型中。研究表明,相比传统的聚类模型,改进的模型具有较强的泛化能力,模型在处理样本线性不可分、样本分布非球状簇等问题上具有明显的优势,能选出较优的股票组合。     

多因子量化模型在投资组合中的应用——基于LASSO与Elastic Net的比较研究

多因子模型一直是量化投资领域的重要方法,而如何选择有效因子并确定因子权重从而构建有效的投资组合是研究者重点讨论的议题。在研究打分法和普通最小二乘法确定因子权重的基础上,引入LASSO和弹性网(Elastic Net)两类前沿方法进行因子筛选并确定因子权重,利用沪深300指数成份股进行回测,研究结果表明,Elastic Net方法比OLS和LASSO方法更能够筛选出有效因子,并构建出有效的投资组合,从而帮助投资者获得更高的超额收益。该模型对量化投资策略的设计具有重要的实际意义。     

多源高维数据的多分类纵向整合分析及应用

多分类数据分析在实证研究中具有重要意义。然而,由于高维数、小样本及低信噪比等原因,现有的多分类方法仍面临信息量不足而导致的效果不佳问题。为此,学者们通过收集更多信息源 数据以更全面地刻画实际问题。不同于收集相同自变量的不同源样本,目前较为流行的多源数据收集了相同样本的不同源自变量,它们的独立性和相关性为统计建模带来了新的挑战。本文提出基于典型变量回归的多分类纵向整合分析方法,其中利用惩罚技术实现变量选择,并独特地考虑不同源数据间的关联结构,提出高效的ADMM算法进行模型优化。数值模拟结果表明,该方法在变量选择和分类预测 上均具有优越性。基于我国上证50的多源股票数据,利用该方法对2019年股票日收益率的影响因素进行了实证探究。研究表明,本文提出的多分类整合分析在筛选出具有解释意义变量的同时具有更好的预测效果。     

证券组合投资与证券选择的研究

证券投资者最关心的问题是投资收益率的高低和投资风险的大小。由于证券投资收益受证券市场众多因素的影响,因而可以将其看作随机变量,我们可以利用一定时间内某种证券收益率的数学期望与方差分别来衡量该种证券的获利能力和风险。诺贝尔奖得主Markowitz提出的证券组合优化均值方差模型奠定了现代证券组合理论基础。理论和实践均表明,通过组合投资确实能减少证券投资的风险。一、组合证券投资优化模型设投资者选择了n种证券,其收益率分别为Ri（i—l,2……n）为随机变量,其数学期望与方差分别为r;（i—l,2……n）及a;‘（i—1,2……     

模糊环境下基于可信性安全准则的投资组合模型

文章研究了模糊环境下的投资组合模型,将证券的收益率描述为模糊变量,提出了基于可信性测度的安全准则,可信性安全准则反映了投资者对灾难事件的容忍水平:建立了基于可信性安全准则的模糊投资组合模型,设计了基于模糊模拟的混合智能算法时具有模糊收益的投资组合模型进行求解;给出了模糊环境下基于可信性安全准则的投资组合数值算例,说明该方法的有效性.     

大维变量选择、混频因子模型与新冠肺炎疫情冲击下的GDP现时预测

新冠肺炎疫情不仅对我国宏观经济造成了巨大冲击,也为准确预测我国宏观经济未来走势带来挑战。本文从新冠肺炎疫情冲击出发,将模型置信集检验与U-MIDAS模型组合,设计了一种在混频情形下利用预测变量的异质性波动从大维数据集中选取对GDP具有稳定预测效果变量的方法。通过利用选取出的稳定性变量构建多种形式的混频目标因子模型并与其他类型的混频因子模型对比,全面评估了不同模型在疫情前后对GDP进行高频现时预测的效果。研究发现,在疫情冲击前的平稳时期,利用覆盖范围较广的变量构建双因子MIDAS模型预测效果最优;利用稳定性变量构建的单因子U-MIDAS模型同样具有良好的预测效果。当经济从冲击中持续恢复时,利用部分稳定性变量构建的双因子U-MIDAS模型在捕捉到GDP的核心变化后率先对其连续做出准确的现时预测。经济稳定时,对预测变量设定较长的滞后阶数会提升预测效果;在冲击后的恢复期中则应减少滞后阶数,避免变量在冲击中出现的异常值对预测产生负面影响。本文也为当经济受到巨大外生冲击或处于冲击后的恢复期时其他宏观经济指标的预测提供了有价值的参考。     

基于多维t-Copula函数的投资组合的CVaR分析

文章根据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,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度与资产组成下的投资组合的CVaR(条件风险价值).实证说明,根据本文提出的模型度量资产的风险,可以使投资者选择的资产更加稳健;同时也有利于投资者对投资组合整体风险进行分散和监管.     

基于风险价值约束的投资组合选择模型

把VaR风险度量和最优投资组合选择问题相结合,建立并求解了最优均值-VaR投资组合选择模型,实证检验所得到的结果中可以看出,以均值-VaR的模式来对资产进行优化配置具有较高效率,其效率超过以Markowitz均值进行的配置,通过-VaR的模式进行的配置,如果是在确定置信度的前提下,可以使个别偏好、共同偏好合为一体.在VaR的约束下M-V模型的特征,对于Markowitz均值方差的投资组合模型来说,是一种理论上得到的发展.     

基于PSO的证券投资组合优化问题研究

投资组合决策面临现实证券市场中大量数据,传统算法很难解决这一问题.粒子群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优,文章将具有智能化且易于实现的粒子群算法应用到证券投资组合决策中,并通过上海证券交易所的实际数据进行计算机模拟,结果表明该算法在组合决策中是有效的,且易于实现.     

模糊环境下的投资组合模型

文章在模糊环境下利用可信性理论,将证券的收益率描述为模糊变量,提出基于可信性准则的投资组合模型,把实现最低收益的可信性最大化作为目标函数.在证券收益率为梯形模糊变量的条件下,给出了可信性准则模型的确定型等价模型,并运用模糊模拟技术,设计了收益率为一般类型模糊变量时的智能算法.最后给出算例验证了模型的有效性.     

基于多分类器投票表决组合的私募股权投资风险预测度研究

私募股权投资基金是一种新型衍生金融投资工具,因其非公开发行与私下募集的特性,从而具有较高的投资风险。为了监测私募股权基金投资的不确定性所诱发的潜在风险,采用了多分类器投票表决组合方法构建了风险预测模型,通过改进和优化投票表决规则来提高组合分类器对不同数据类别模式的识别能力,将统计小样本测试后得到的单个分类器识别性能的先验知识作为投票表决的根据,通过投票表决时每个类别的表决阈值设置来提升组合的预测效果。在模型构建的基础上,选取了清科集团(Zero2iPo)发布的年度私募股权相关投资案例作为对象进行仿真模拟,仿真结果显示,所构建的组合预测模型具有显著的优越性,能够大幅提高私募股权投资风险预测的准确率。     

基于隐变量分析的IT投资回报模型研究

本文提出了一种基于隐变量分析的IT(Information Technology)投资回报模型。模型通过建立定性与定量相结合的回报测评指标体系,引入隐变量分析技术及结构方程模型建模方法,对IT投资的财务收益与非财务收益进行综合测评并建模,解决了IT投资的管理、顾客、战略等非财务收益难以测量的问题,实现了对IT投资回报的综合评价。最后运用此模型对某企业的信息系统进行了投资回报分析。     

基于因子分析法的城市房地产投资环境评价

文章运用主成分分析法和因子分析法对长江经济带的10个省会与计划单列市的房地产投资环境进行了评价,从评价得分来看,长江经济带的10个城市的房地产投资环境最终得分保持逐年上升的发展趋势,这说明长江经济带的10个城市的房地产投资环境逐年完善和优化.同时,在这]0个城市的房地产投资环境最终得分中,成都以201.81分位列第一,武汉位列第二,杭州位列第三.     

基于自适应组LASSO估计的高维门限因子模型一致选择

门限因子模型设定载荷具有阈值型区制转换结构,可以同时刻画高维时间序列的共变性和区制转换特征。针对高维门限因子模型,本文基于自适应组LASSO技术给出了一种一致模型选择过程。这一模型选择过程将因子个数设定、门限效应推断纳入统一的分析框架,不仅解决了模型选择的一致性问题,还同时实现了模型选择误差的统一控制,这对于高维门限因子模型而言是非常重要的。理论研究和随机模拟结论表明本文给出的一致模型选择过程具有良好的大样本性质和有限样本表现。最后,本文将门限因子模型应用于我国金融市场分析,实证结果进一步验证了本文理论的有效性。     

基于多维Copula函数的投资组合CVaR分析

目前国内有关Copula函数的实证研究主要以二种资产的相关性为主.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的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下投资组合的最小条件风险价值(CVaR).实证表明,根据所提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管.     

基于多层因子模型的我国核心通货膨胀估计

本文利用我国CPI分类数据,基于多层因子模型构建了一种新的核心通货膨胀指标.通过与单层因子模型方法的对比研究发现:单层因子模型会高估核心通货膨胀的波动性,原因在于其无法识别仅影响大类价格变化的局部因子,并将局部因子的大部分作用归于具有普遍性影响的全局因子.而多层因子模型不仅能够识别局部因子,并且利用分离局部因子之后的全局因子构造的核心通货膨胀指标具有更小的波动性,且更符合核心通货膨胀的内涵.     

基于因子分析法的上市公司财务状况评价研究

文章通过对上市公司财务比率进行分析,设置了上市公司财务状况的评价指标体系,构建了我国上市公司财务状况的因子分析模型,并应用构建的因子分析模型对上市公司财务状况进行了有效的、合理的评价。     

基于回归组合技术的连续性抽样估计方法研究

在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计量,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计量的方差最小,从而更大程度地提高连续性抽样调查的估计精度。     

基于非线性多目标规划的最优寿险投资组合模型

近年来,我国寿险业务快速发展,积累了大量的可用资金,构建最优投资组合时,需综合权衡收益和风险之间的关系。文章在一系列假设条件的基础上,建立了寿险资金的非线性多目标规划模型,提出了最优解存在性定理,并利用中国金融市场相关数据进行了实证分析。     

基于LASSO方法的企业财务困境预测

文章综合考虑企业的财务和非财务因素,利用LASSO方法对企业财务困境预测指标进行筛选,然后使用决策树、随机森林、SVM、最近邻法这四种数据挖掘方法,以及常见的logistic模型,分别建立企业财务困境预测模型.结果表明:不能忽视非财务因素在企业财务困境预测中的作用;并非所有数据挖掘方法都优于常用的logistic模型;LASSO方法能在降维的同时保证企业财务困境预测的准确性,实现模型的精简.