發(fā)布時(shí)間：2023-04-30 05:49

　　資產(chǎn)證券化作為現(xiàn)代金融市場(chǎng)上融資者獲得資金的重要融資渠道和進(jìn)行金融風(fēng)險(xiǎn)管理的全新手段與工具,資產(chǎn)證券化近年來(lái)受關(guān)注度的不斷增加,其市場(chǎng)規(guī)模不斷擴(kuò)大且產(chǎn)品類(lèi)型日益豐富,在推動(dòng)經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化升級(jí)和服務(wù)實(shí)體經(jīng)濟(jì)等方面發(fā)揮著越來(lái)越重要的作用。我國(guó)資產(chǎn)證券化市場(chǎng)已進(jìn)入建設(shè)發(fā)展階段的關(guān)鍵時(shí)期,對(duì)產(chǎn)品進(jìn)行創(chuàng)新成為必然趨勢(shì)。在我國(guó)證券市場(chǎng)的逐步成熟的同時(shí),大數(shù)據(jù)、云計(jì)算、人工智能(AI,Articial Intelligence)等為代表的新一代信息技術(shù)也迅猛發(fā)展�；谌斯ぶ悄艿牧炕顿Y方法借助計(jì)算機(jī)所擁有的強(qiáng)大算力可以實(shí)現(xiàn)對(duì)整個(gè)市場(chǎng)的跟蹤監(jiān)測(cè),及時(shí)發(fā)現(xiàn)市場(chǎng)中潛在的交易機(jī)會(huì)并給予精準(zhǔn)評(píng)價(jià),有效減少因情緒波動(dòng)等因素給交易決策帶來(lái)的不利影響,并且能夠與其他人工投資策略形成一定的負(fù)相關(guān)性并以此豐富投資策略組合,正是因?yàn)槿斯ぶ悄芰炕顿Y所具有的這些特點(diǎn)與優(yōu)勢(shì),將其引入金融行業(yè)領(lǐng)域恰逢其時(shí)。在此背景下,本文將人工智能量化投資引入資產(chǎn)證券化,研究和探討最優(yōu)投資組合方案。首先,本文第一章和第二章對(duì)資產(chǎn)證券化與人工智能的關(guān)系進(jìn)行闡述,分析中美資產(chǎn)證券化差異,探討當(dāng)前人工智能在國(guó)內(nèi)資產(chǎn)證券化產(chǎn)品投資組合中的應(yīng)用情況。其次...

【文章頁(yè)數(shù)】：194 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及研究意義
        1.1.1 資產(chǎn)證券化
        1.1.2 資產(chǎn)證券化的國(guó)內(nèi)外研究現(xiàn)狀
        1.1.3 人工智能的引入
        1.1.4 理論意義與現(xiàn)實(shí)意義
    1.2 研究對(duì)象及概念的界定與作用
        1.2.1 資產(chǎn)證券化的內(nèi)涵與作用
        1.2.2 量化投資的內(nèi)涵與作用
        1.2.3 投資組合績(jī)效及標(biāo)準(zhǔn)
        1.2.4 人工智能的概念與作用
    1.3 研究路徑與研究方法
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 主要的研究方法
        1.3.3 本文的主要?jiǎng)?chuàng)新點(diǎn)與文章結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 投資組合理論機(jī)制與人工智能的應(yīng)用前景
    2.1 資產(chǎn)證券化整體與細(xì)分領(lǐng)域的研究情況
        2.1.1 資產(chǎn)證券化的內(nèi)容及定義
        2.1.2 資產(chǎn)證券化與風(fēng)險(xiǎn)管理
    2.2 人工智能背景下資產(chǎn)證券化的相關(guān)研究現(xiàn)狀
        2.2.1 人工智能在資產(chǎn)證券化中應(yīng)用
        2.2.2 人工智能的應(yīng)用現(xiàn)狀及在金融行業(yè)的應(yīng)用發(fā)展
        2.2.3 人工智能在資產(chǎn)證券化投資組合的應(yīng)用
        2.2.4 人工智能在資產(chǎn)組合中的優(yōu)化研究現(xiàn)狀
    2.3 資產(chǎn)證券化的市場(chǎng)發(fā)展現(xiàn)狀
        2.3.1 美國(guó)資產(chǎn)證券化市場(chǎng)的發(fā)展
        2.3.2 我國(guó)資產(chǎn)證券化市場(chǎng)發(fā)展
        2.3.3 中美資產(chǎn)證券化的差異
    2.4 本章小結(jié)
第三章 理想收益率下資產(chǎn)證券化投資組合研究
    3.1 中國(guó)市場(chǎng)資產(chǎn)證券化交易規(guī)定
        3.1.1 資產(chǎn)證券化交易機(jī)構(gòu)
        3.1.2 資產(chǎn)證券化交易費(fèi)用研究
        3.1.3 資產(chǎn)證券化投資稅費(fèi)研究
        3.1.4 資產(chǎn)證券化產(chǎn)品投資約束
    3.2 資產(chǎn)證券化理想收益率模型
        3.2.1 場(chǎng)景假設(shè)與市場(chǎng)調(diào)研
        3.2.2 測(cè)試數(shù)據(jù)的可視化分析
        3.2.3 理想收益率下交易流程的構(gòu)建
        3.2.4 理想收益率下的計(jì)算邏輯設(shè)置
        3.2.5 算法實(shí)現(xiàn)
    3.3 實(shí)證分析與討論
        3.3.1 不同視角的量化分析
        3.3.2 結(jié)果討論與分析
    3.4 本章小結(jié)
第四章 人工智能視域下的資產(chǎn)證券化投資組合預(yù)測(cè)
    4.1 資產(chǎn)證券化研究中人工智能的模型選取
    4.2 資產(chǎn)證券化實(shí)驗(yàn)中人工智能模型的數(shù)學(xué)基礎(chǔ)及優(yōu)點(diǎn)
        4.2.1 Lasso回歸數(shù)學(xué)基礎(chǔ)
        4.2.2 嶺回歸數(shù)學(xué)基礎(chǔ)
        4.2.3 XGBoost數(shù)學(xué)基礎(chǔ)
        4.2.4 LightGBM數(shù)學(xué)基礎(chǔ)
        4.2.5 神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)基礎(chǔ)
        4.2.6 SVM數(shù)學(xué)基礎(chǔ)
    4.3 人工智能模型的實(shí)證分析
        4.3.1 量化實(shí)驗(yàn)環(huán)境與數(shù)據(jù)
        4.3.2 核心程序的構(gòu)建與實(shí)現(xiàn)
        4.3.3 人工智能模型的量化結(jié)果
        4.3.4 不同投資視角下的模型表現(xiàn)
    4.4 人工智能模型的Dis指標(biāo)與分析
        4.4.1 Dis測(cè)評(píng)指標(biāo)的構(gòu)建
        4.4.2 不同視角下各人工智能模型的Dis值分析
    4.5 本章小結(jié)
第五章 人工智能視域下資產(chǎn)證券化投資組合優(yōu)化
    5.1 傳統(tǒng)優(yōu)化方法
        5.1.1 基于梯度下降法
        5.1.2 復(fù)變量法
        5.1.3 自動(dòng)微分法
    5.2 現(xiàn)代優(yōu)化方法
        5.2.1 粒子群算法
        5.2.2 遺傳算法
    5.3 基于遺傳算法的投資組合優(yōu)化
        5.3.1 投資組合評(píng)價(jià)模型的構(gòu)建
        5.3.2 投資組合優(yōu)化
    5.4 本章小結(jié)
總結(jié)和展望
參考文獻(xiàn)
在讀期間科研成果
致謝



本文編號(hào)：3806553