-
题名基于集成学习的在线高维投资组合策略
被引量:13
- 1
-
-
作者
黄嵩
倪宣明
钱龙
张俊超
-
机构
北京大学软件与微电子学院
-
出处
《系统科学与数学》
CSCD
北大核心
2020年第1期29-40,共12页
-
文摘
文章结合机器学习中的交叉验证、在线学习和集成学习方法,对基于不同高维协方差估计量的投资策略权重进行动态组合,以获得优于传统投资组合策略的样本外表现.基于这一目标,文章对机器学习中比较前沿的在线加权集成(online weighted ensemble,OWE)算法的样本更新方式、学习模型和目标函数进行了替换和修改,改进后的mixed-OWE算法能够更好地适用于多组合的动态混合策略投资.通过数值模拟,文章将mixed-OWE应用在基于二次效用目标函数的投资问题上,结果表明其样本外表现优于传统静态方法.随后,文章进一步使用A股近10年的数据作为样本对mixed-OWE进行了全局最小方差组合投资,经过一定的参数调整后,mixed-OWE策略实现的组合方差优于其成分组合以及等权重组合.
-
关键词
在线学习
集成学习
投资组合
高维协方差估计量
-
Keywords
Online learning
ensemble learning
portfolio optimization
large-dimensional covariance estimator
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
F830.91
[经济管理—金融学]
-