在线投资组合选择的半指数梯度策略及实证分析

论文摘要

针对传统投资组合策略的高频资产配置调整产生高额交易成本从而导致最终收益不佳这一问题,提出基于机器学习与在线学习理论的半指数梯度投资组合(SEG)策略。该策略对投资期进行划分,通过控制投资期内的交易量来降低交易成本。首先,基于仅在每段分割的初始期调整投资组合而其余时间不进行交易这一投资方式来建立SEG策略模型,并结合收益损失构造目标函数;其次,利用因子图算法求解投资组合迭代更新的闭式解,并证明该策略累积资产收益的损失上界,从理论上保证算法的收益性能。在纽约交易所等多个数据集上进行的仿真实验表明,该策略在交易成本存在时仍然能够保持较高的收益,证实了该策略对于交易成本的不敏感性。

论文目录

• 0 引言
• 1 相关工作
• 2 半指数梯度策略问题描述
•   2.1 基本定义
•   2.2 交易成本
•   2.3 EG策略
• 3 半指数梯度策略
•   3.1 策略思想
•   3.2 SEG策略模型建立
•   3.3 投资组合序列更新算法
•   3.4 SEG策略收益理论保证:
• 4 实验结果与分析
•   4.1 度量标准
•   4.2 实验数据集
•   4.3 结果分析
•     4.3.1 累积收益
•     4.3.2 交易成本分析
• 5 结语

文章来源

类型: 期刊论文

作者: 吴婉婷,朱燕,黄定江

关键词: 机器学习,在线学习,投资组合选择,半指数梯度策略,因子图

来源: 计算机应用 2019年08期

年度: 2019

分类: 信息科技,基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 华东理工大学理学院,华东师范大学数据科学与工程学院

基金: 国家自然科学基金—广东联合基金重点项目(U1711262)~~

分类号: F830.91;F224

页码: 2462-2467

总页数: 6

文件大小: 231K

下载量: 122