基于股价预测的泛证券投资组合策略

本文基于期望效用最大化和L1-中位数估计研究了在线投资组合选择问题。与EG （Exponential Gradient）策略仅利用单期价格信息估计价格趋势不同,本文将利用多期价格信息估计价格趋势,以提高在线策略的性能。首先,基于多期价格数据,利用L1-中位数估计得到预期价格趋势。然后,通过期望效用最大化,提出一个新的具有线型时间复杂度的在线策略,EGLM （Exponential Gradient via L1-Median）。并通过相对熵函数定义资产权重向量的距离,进而证明了EGLM策略具有泛证券投资组合性质。最后,利用国内外6个证券市场的历史数据进行实证分析,结果表明相较于UP （Universal Portfolio）策略和EG策略,EGLM策略有更好的竞争性能。