在線學(xué)習(xí)算法在資產(chǎn)行業(yè)配置中的應(yīng)用.pdf

1、隨著馬科威茨在1952年提出均值-方差模型，首次把統(tǒng)計(jì)學(xué)理論帶入資產(chǎn)配置的研究領(lǐng)域后，資產(chǎn)配置理論開始得到長(zhǎng)足的發(fā)展，并且越來(lái)越多地運(yùn)用到數(shù)量化工具。包括隨后的資本資產(chǎn)定價(jià)模型(CAPM);由Black和Litterman提出的在均值-方差模型的基礎(chǔ)上，引入主觀的收益觀點(diǎn)并利用貝葉斯方法，最后推導(dǎo)出全新的資產(chǎn)配置模型——Black-Litterman模型。最近發(fā)展比較迅猛的關(guān)于資產(chǎn)配置的理論是在線資產(chǎn)配置的方法，這些理論認(rèn)為市場(chǎng)是不斷變

2、化的，傳統(tǒng)的資產(chǎn)配置模型在動(dòng)態(tài)性上表現(xiàn)力不足，而在線資產(chǎn)配置方法可以解決這方面的缺陷。
　　在線資產(chǎn)配置方法是利用不斷發(fā)展的在線學(xué)習(xí)算法，結(jié)合市場(chǎng)特征來(lái)構(gòu)建資產(chǎn)配置模型。一個(gè)典型的在線資產(chǎn)配置模型是CWMR模型，它是利用置信度加權(quán)學(xué)習(xí)算法(Confidence-Weight)并結(jié)合資本市場(chǎng)存在價(jià)格反轉(zhuǎn)的金融異象來(lái)建模的。CWMR模型首次將行為金融學(xué)中的價(jià)格反轉(zhuǎn)效應(yīng)引入在線模型中，具有開創(chuàng)性，本文是在此模型基礎(chǔ)上進(jìn)行一系列研究和探討

3、的，試圖對(duì)過(guò)往的模型做出一些補(bǔ)充和改進(jìn)。首先，當(dāng)前的行為金融理論指出，價(jià)格反轉(zhuǎn)效應(yīng)確實(shí)存在于金融市場(chǎng)，不光如此，同時(shí)存在的還有價(jià)格動(dòng)量效應(yīng)。因此，本文利用CW算法，結(jié)合價(jià)格動(dòng)量效應(yīng)推導(dǎo)出了CWMS動(dòng)量模型，是對(duì)CWMR的一個(gè)補(bǔ)充。其次，對(duì)于當(dāng)前市場(chǎng)狀態(tài)是動(dòng)量效應(yīng)比較明顯還是反轉(zhuǎn)效應(yīng)比較突出的判斷，我們希望尋求一個(gè)更加準(zhǔn)確的方法。本文利用HP濾波來(lái)對(duì)過(guò)去一段時(shí)間的價(jià)格進(jìn)行提取趨勢(shì)項(xiàng)和波動(dòng)項(xiàng)，并構(gòu)建了一個(gè)類似信噪比的指標(biāo)來(lái)判斷。最后，本文利