本文選題：投資組合選擇 + 在線算法　； 參考：《華南理工大學(xué)》2013年博士論文

【摘要】：投資決策的核心問(wèn)題是如何在不確定環(huán)境下選擇最優(yōu)的資產(chǎn)組合進(jìn)行投資。由于金融市場(chǎng)是一個(gè)極其復(fù)雜的系統(tǒng)，投資者進(jìn)行投資活動(dòng)時(shí)面臨著環(huán)境的不斷變化。以實(shí)現(xiàn)收益最大化為目的的投資者需在對(duì)未來(lái)信息一無(wú)所知的情形下，根據(jù)當(dāng)前環(huán)境不斷地調(diào)整投資策略。因此，投資組合選擇是一個(gè)在線決策問(wèn)題。以Markowitz提出的均值-方差模型為基礎(chǔ)的現(xiàn)代投資組合理論主要在靜態(tài)情形下研究，而有關(guān)動(dòng)態(tài)情形下的研究成果相對(duì)較少。近年來(lái)，隨著在線學(xué)習(xí)算法的廣泛應(yīng)用，在線算法逐漸運(yùn)用到投資組合選擇問(wèn)題的研究中，使得以泛證券投資組合為基礎(chǔ)的在線投資組合理論研究得以快速發(fā)展。該方法的主要思想是不考慮證券價(jià)格所遵循的任何模型，對(duì)未來(lái)信息不做任何統(tǒng)計(jì)假設(shè)前提下，通過(guò)在線學(xué)習(xí)的方法提出序貫決策方法。由于其不考慮或甚少考慮證券市場(chǎng)運(yùn)動(dòng)規(guī)律，從而導(dǎo)致它的實(shí)驗(yàn)效果不佳和應(yīng)用價(jià)值不高。針對(duì)泛證券投資組合研究中存在的不足，本文從市場(chǎng)“異象”的角度出發(fā)，借助在線學(xué)習(xí)算法對(duì)投資組合問(wèn)題進(jìn)行深入系統(tǒng)地研究。本文主要研究工作和創(chuàng)新如下： 1.綜合利用反轉(zhuǎn)和動(dòng)量現(xiàn)象建立了相關(guān)關(guān)系指標(biāo)，來(lái)度量策略轉(zhuǎn)移比例，借助啟發(fā)式算法得到反轉(zhuǎn)在線投資策略。由于已有啟發(fā)法式算法僅考慮證券的反轉(zhuǎn)現(xiàn)象，完全忽視動(dòng)量現(xiàn)象的存在。實(shí)踐中收益不佳且嚴(yán)重依賴(lài)于歷史窗口大小的取值，為消除窗口大小的影響要進(jìn)行大量的復(fù)合運(yùn)算，使得其方法失去一定的時(shí)效性。針對(duì)上述問(wèn)題，本文綜合考慮反轉(zhuǎn)和動(dòng)量?jī)煞N現(xiàn)象，構(gòu)建相關(guān)關(guān)系指標(biāo)。進(jìn)一步地，分析相關(guān)程度的強(qiáng)弱對(duì)決策轉(zhuǎn)移的影響，借助啟發(fā)式算法更全面地把握市場(chǎng)運(yùn)動(dòng)規(guī)律，進(jìn)而得出在線投資組合策略。利用國(guó)外不同金融市場(chǎng)的六個(gè)數(shù)據(jù)集和國(guó)內(nèi)兩市的四個(gè)數(shù)據(jù)集進(jìn)行實(shí)證分析。證結(jié)果表明在國(guó)外金融市場(chǎng)的收益顯著提高，而在國(guó)內(nèi)證券市場(chǎng)上累計(jì)收益不顯著依賴(lài)窗口大小。這就表明所得的策略是穩(wěn)定的。 2.提出了利用均值回歸的非對(duì)稱(chēng)性構(gòu)建多分段損失函數(shù)，借助PA分類(lèi)學(xué)習(xí)算法優(yōu)化投資組合策略，得到了在線投資組合策略PACS。建立在PA分類(lèi)算法基礎(chǔ)上的在線投資組合策略，簡(jiǎn)單利用了均值回歸理論，難以準(zhǔn)確刻畫(huà)市場(chǎng)運(yùn)動(dòng)規(guī)律。針對(duì)此問(wèn)題，依據(jù)均值回歸的非對(duì)稱(chēng)性，本文設(shè)計(jì)了旨在更準(zhǔn)確地捕捉金融市場(chǎng)波動(dòng)特征的多分段損失函數(shù)。在損失最小約束條件下，利用所構(gòu)建的多分段損失函數(shù)構(gòu)建優(yōu)化模型，以尋求變化最小的投資比例。進(jìn)一步地，利用最優(yōu)化原理推導(dǎo)出在線算法，得到適用于不同市場(chǎng)情形的反轉(zhuǎn)策略。在允許賣(mài)空情形下還得到了算法的損失界，同時(shí)不允許賣(mài)空情形下考察了交易費(fèi)用對(duì)策略的影響。理論上，算法具有線性時(shí)間復(fù)雜度；通過(guò)實(shí)證分析發(fā)現(xiàn)該算法在多數(shù)市場(chǎng)上的收益有顯著提高。這表明算法具有一定的實(shí)用性和可操作性。 3.構(gòu)建了權(quán)重函數(shù)來(lái)研究多期在線投資組合模型，充分利用利用歷史價(jià)格信息，得到了收益更好的在線投資策略。現(xiàn)有的有關(guān)單期在線投資問(wèn)題的研究在進(jìn)行策略的調(diào)整時(shí)會(huì)給算法帶來(lái)較大的盲目性，導(dǎo)致錯(cuò)失絕大部分歷史數(shù)據(jù)信息。本文以既充分利用歷史數(shù)據(jù)信息又不帶來(lái)過(guò)大計(jì)算量為研究的出發(fā)點(diǎn)，展開(kāi)多期的研究。以離當(dāng)期時(shí)間越近賦權(quán)越大為原則構(gòu)建權(quán)重函數(shù)，得到移動(dòng)窗口下的加權(quán)平均價(jià)格序列。在此基礎(chǔ)上構(gòu)造損失函數(shù)，并從兩個(gè)方面建立優(yōu)化模型。一方面直接優(yōu)化投資組合策略；另一方面，建立在預(yù)測(cè)未來(lái)價(jià)格基礎(chǔ)上，利用PA分類(lèi)算法和優(yōu)化原理推導(dǎo)出加權(quán)移動(dòng)平均的在線投資組合算法，并得到了不同形式的反轉(zhuǎn)策略。進(jìn)一步地，將行為金融學(xué)中反轉(zhuǎn)的時(shí)間區(qū)間作為邊側(cè)信息，來(lái)確定歷史窗口大小，以降低算法的時(shí)間復(fù)雜度。算法具有線性時(shí)間復(fù)雜度，利于大規(guī)模計(jì)算，實(shí)證研究中也獲得了優(yōu)異的收益。因此，帶有權(quán)重的損失函數(shù)的構(gòu)造方法擴(kuò)展了利用分類(lèi)算法研究在線投資組合問(wèn)題的研究方法。 4.利用動(dòng)量效應(yīng)和投資者心理預(yù)期構(gòu)建了不敏感損失函數(shù)，以此建立了優(yōu)化模型，得到了動(dòng)量在線投資策略。上述方法多利用反轉(zhuǎn)特征，無(wú)法有效解決動(dòng)量效應(yīng)市場(chǎng)的投資決策問(wèn)題。本文提出根據(jù)證券市場(chǎng)“異象”特征靈活設(shè)計(jì)投資策略的研究思路，將動(dòng)量效應(yīng)和投資主體主觀態(tài)度相結(jié)合來(lái)構(gòu)建不敏感損失函數(shù)，利用PA分類(lèi)算法建立優(yōu)化模型，得到保守策略和動(dòng)量策略的轉(zhuǎn)換機(jī)制，算法具有線性時(shí)間復(fù)雜度。該策略運(yùn)用于國(guó)內(nèi)外不同證券市場(chǎng)，進(jìn)行比較分析，發(fā)現(xiàn)該策略在動(dòng)量效應(yīng)金融市場(chǎng)上收益很好，，而對(duì)于反轉(zhuǎn)效應(yīng)的金融市場(chǎng)收益幾乎為零。結(jié)果表明該策略適用于動(dòng)量效應(yīng)的金融市場(chǎng)。因此，它是在線反轉(zhuǎn)策略的一個(gè)有益補(bǔ)充。
[Abstract]:The core problem of investment decision - making is how to choose the optimal portfolio for investment in uncertain environment . Because financial market is an extremely complex system , investors are faced with the changing environment . In recent years , with the extensive application of online learning algorithm , the online algorithm is applied to the research of portfolio selection .

1 . The correlation indexes are established by comprehensively utilizing inversion and momentum phenomena to measure the transfer ratio of the strategy . By means of the heuristic algorithm , the existence of the inversion online investment strategy is obtained . Because of the existing heuristic algorithm , the existence of the momentum phenomenon is completely ignored . In view of the above problems , the paper comprehensively considers both the inversion and the momentum phenomenon , and then obtains the online investment portfolio strategy . The results show that the income of the foreign financial markets is obviously improved , and the accumulated income in the domestic market is not significantly dependent on the window size . This shows that the obtained strategy is stable .

2 . A multi - segment loss function is constructed by means of the non - symmetry of the mean regression . The online investment portfolio strategy is optimized by means of the PA classification learning algorithm . Based on the non - symmetry of the mean regression , a multi - segment loss function is designed to more accurately capture the fluctuation characteristics of the financial markets .
The results show that the algorithm has a significant increase in the yield of most markets . This indicates that the algorithm has some practicability and operability .

3 . The weight function is constructed to study the multi - stage online investment portfolio model , which makes full use of historical price information to obtain better online investment strategy .
On the other hand , on the basis of predicting the future price , a weighted moving average online portfolio algorithm is derived by using the PA classification algorithm and the optimization principle , and the reversal strategies in different forms are obtained . Furthermore , the time interval inverted in the behavioral finance is used as the side information to determine the historical window size to reduce the time complexity of the algorithm .

4 . Using momentum effect and investor ' s psychological expectation to construct an optimal model , the optimization model is established to obtain momentum on - line investment strategy . In this paper , the problem of investment decision - making in momentum effect market is solved by combining momentum effect and subjective attitude of investment subject . It is found that the strategy is good in momentum effect financial market , and the result shows that the strategy is applicable to the financial market with momentum effect . Therefore , it is a useful complement to the online inversion strategy .

【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：TP301.6;F830.59

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 魯臻;鄒恒甫;;中國(guó)股市的慣性與反轉(zhuǎn)效應(yīng)研究[J];經(jīng)濟(jì)研究;2007年09期

2 張人驥,朱平方,王懷芳;上海證券市場(chǎng)過(guò)度反應(yīng)的實(shí)證檢驗(yàn)[J];經(jīng)濟(jì)研究;1998年05期

3 何興強(qiáng);李濤;;不同市場(chǎng)態(tài)勢(shì)下股票市場(chǎng)的非對(duì)稱(chēng)反應(yīng)——基于中國(guó)上證股市的實(shí)證分析[J];金融研究;2007年08期

4 潘莉;徐建國(guó);;A股個(gè)股回報(bào)率的慣性與反轉(zhuǎn)[J];金融研究;2011年01期

5 劉建偉;申芳林;羅雄麟;;感知器學(xué)習(xí)算法研究[J];計(jì)算機(jī)工程;2010年07期

6 徐雅卿;胡奇英;;泛組合證券選擇的一個(gè)改進(jìn)遞推算法[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年02期

7 劉善存,邱菀華,汪壽陽(yáng);帶交易費(fèi)用的泛證券組合投資策略[J];系統(tǒng)工程理論與實(shí)踐;2003年01期

8 曹敏,吳沖鋒;中國(guó)證券市場(chǎng)反向策略研究及其短周期性[J];系統(tǒng)工程理論與實(shí)踐;2004年01期

9 張衛(wèi)國(guó);張永;徐維軍;楊興雨;;基于線性學(xué)習(xí)函數(shù)的泛證券投資組合策略[J];系統(tǒng)工程理論與實(shí)踐;2012年08期

本文編號(hào)：1768196