Application of Interval Valued Fuzzy Linear Programming for Stock Portfolio Optimization

In this paper, based on existing results, decision making about portfolio investment schemes is discussed, ordering method of fuzzy numbers of interval value is shown, corresponding auxiliary models are established and solutions are provided with theories of fuzzy mathematics, optimization theory and numerical calculation, etc. Then it applies software programming to solve the portfolio investment situation between investors in savings and four securities according to the established models. The result shows that investors can choose the risk coefficient that they can bear to reach the maximum value of expected returns. The greater the risk coefficient, the greater the income, the smaller the risk coefficient and the smaller the income. Investors can determine their own portfolio strategy according to their own conditions in order to meet their own interests.

Was there a Portfolio Effect of the Micro-economic Leverage ？ Some Empirical Evidence from the Chinese Stock Market

The study is on a linear model of the relationship between the systematic risk and the micro-economic leverage and analyzed the data from the steel, energy source and chemical fibre industry listed companies in the Chinese stock market in 2002 and 2001. Using the linear regression method, empirical equations were found. The portfolio effect was shown so that some empirical evidence had been found to support the micro-economic leverage portfolio effect theory, which was that the listed companies balanced the operating and financial leverage to minimize the systematic risk.

基于动态选择预测器的深度强化学习投资组合模型

近年来,投资组合管理问题在人工智能领域得到了广泛的研究,但现有的基于深度学习的量化交易方法还存在一些问题。首先,对股票的预测模式单一,通常一个模型只能训练出一个交易专家,交易决策也仅根据模型预测结果作出;其次,模型使用的数据源相对单一,只考虑了股票自身数据,忽略了整个市场风险对股票的影响。针对上述问题,提出了基于动态选择预测器的强化学习模型(DSDRL)。该模型分为3部分,首先提取股票数据的特征并传入多个预测器中,针对不同的投资策略训练多个预测模型,用动态选择器得到当前最优预测结果;其次,利用市场环境评价模块对当前市场风险进行量化,得到合适的投资金额比例;最后,在前两个模块的基础上建立了一种深度强化学习模型模拟真实的交易环境,基于预测的结果和投资金额比例得到实际投资组合策略。文中使用中证500和标普500的日k线数据进行测试验证,结果表明,此模型在夏普率等指标上均优于其他参照模型。

新质生产力股票指数的设计与应用

本文通过综合考量研发投入、生产效率、环境影响及社会责任等多个维度的指标,选取了在A股、港股上市的50家具备显著新质生产力特征的上市公司,并据此构建了一个活跃交易、规模可观且适合投资的新质生产力股票指数。该指数旨在通过评估企业的新质生产力水平来衡量这些企业长期盈利能力与股价表现。在权重分配方面,本研究结合了主成分分析法、熵值法和市值法,不仅考量了公司的现有市值,更侧重于由新质生产力带来的长期增长潜力的积累。对历史数据进行回溯测试的结果显示,基于新质生产力特征构建的股票指数总体表现优于传统市值加权指数,展现出更高的收益率和更低的波动性。这一发现凸显了新质生产力对于企业高质量发展的关键作用。尤其是在快速变化的市场环境中,企业若能以提升自身的新质生产力为基石,通过技术创新和资源优化配置,将有望增强市场竞争力并获得更高的财务回报。因此,投资者可以将新质生产力作为选股的重要参考,通过投资拥有高水平新质生产力的企业,获得更佳的投资回报。

ESG投资提高了基金业绩吗?——兼论ESG投资对“业绩-资金流量关系”的影响

ESG投资将环境、社会责任与公司治理因素纳入考虑范畴,重新定义了投资与市场的边界,是新经济形势下投资领域的热点话题。而ESG投资行为是否具有超额收益,更是在实业界和学术界引发了广泛关注和讨论。本研究以我国2016—2021年股票型和偏股混合型基金为研究对象,从投资组合优化的角度探讨了基金ESG投资行为与业绩的关系,研究发现,基金开展ESG投资能够获得超额收益,并且这一效果在疫情发生后和经济政策不确定性较卡时更加明显。究其原因,在于开展ESG投资的基金对绩优个股的识别和选择能力更好,使得投资组合在个股配置方面得到优化。此外,基金虽然能够通过ESG投资获取超额收益,但也会导致基金业绩与资金流入的正相关性变弱。以上结论不仅深化和丰富了当前关于ESG投资与投资业绩关系的研究,也为我国完善ESG投资体系,进一步推动高质量可持续发展战略提供了政策参考。

基于HMM-SARIMA模型的选股策略——以沪深300医药行业成分股为例

股票市场变化莫测,股市价格波动比较大,建立科学的模型来分析市场以及股票状态,针对不同的投资策略选择合适的股票组合是有必要的。本文提出了一种基于隐马尔可夫(HMM)模型和时间序列模型的股票状态预测方法,该方法可以有效地分析股票市场的状态,再针对不同的市场状态对股市价格分别进行预测,两种模型相结合的方法能够有效避免市场波动对单一模型预测结果的影响,最后根据模型的预测结果并针对不同的投资策略为投资者选择合适的股票,从而获得更大的收益。以与样本期不交叉的沪深300指数分行业成分股为样本,综合考虑收益和风险因素,为股票池中的每只股票进行打分,选出最优的投资组合,本文的模型在股市行情不稳定的回溯期内取得了很好的收益效果,这说明将HMM模型与时间序列结合的模型具有一定的稳健性。

宏观经济不确定性与股票超额收益:来自中国A股市场的证据

宏观基本面冲击作为股票市场波动的重要原因被广泛认可,但从宏观经济不确定性视角探讨其对中国市场股票超额收益率影响的研究却相对缺乏。利用中国宏观经济和金融的多指标数据,构建2002—2022年中国宏观经济不确定性指数,考察其对A股超额收益率的影响。研究发现宏观经济不确定性暴露的负向溢价显著存在,即具有负的宏观经济不确定性贝塔股票的未来超额收益率更高;不过这种溢价在不同股权性质、规模和行业的股票中存在差异,并且相对于经济上行时期,经济下行时期的宏观不确定性贝塔(beta)溢价更为显著,凸显其异质性和状态依赖性。本研究对于理解宏观经济不确定性对股票市场的影响以及构建相应的资产组合来应对宏观不确定性冲击具有一定的理论意义和现实价值。

基于深度强化学习构建股票交易智能体

在复杂多变的金融市场环境中,构建稳定盈利的交易策略面临重大挑战。传统投资组合方法不能有效适应市场快速变化而进行及时权重调整,且关于市场效率、正态分布收益率等市场假设并不能真实反映快速变化的市场环境。针对这些挑战,将DRL算法与金融交易应用场景有效结合,探讨了DRL算法在优化股票交易策略并实现稳定盈利方面的应用潜力。通过选取上证50成分股作为交易品种,综合利用股票价格、成交量、均线等技术指标构建了交易市场环境,合理设计状态空间、动作空间和目标函数,并采用DDPG、SAC、TD3等DRL算法训练出适应性强的交易智能体。结果表明:该股票交易智能体在盈利能力和风险控制方面与传统投资组合策略相比具有显著优势。

IMPROVED GENETIC ALGORITHM TO OPTIMAL PORTFOLIO WITH RISK CONTROL

A modified model of optimal investment port folio in a random market with risk constraints is presented. An improved genetic algorithm (GA) is proposed to solve this nonlinear optimal problem. The numerical simulation of a large-scale investment combination for Shanghai stock market shows that GA has the advantage of faster convergence and wider adaptability than traditional optimization algorithm. This result alsodemonstrates that the improved GA performs better than the basic GA.

基于马科维茨投资组合模型的深交所最优投资组合研究与实证分析

为减少投资带来的非系统性风险,针对选取的深圳交易所A股ZK、ZC、PA、GY 4只股票,运用马科维茨投资组合模型分析计算,最终发现证券市场的投资规律,并给予散户贴近实际的投资建议.

机构投资者会提高股价崩盘风险吗?——基于投资组合视角

以中国2003—2019年持有A股上市公司股票为样本,基于投资组合视角研究机构投资者异质性对股价崩盘风险的影响。研究发现:机构投资者参与公司治理意愿受到投资组合影响,监督型机构投资者不会显著增加企业股价崩盘风险;相反,非监督型机构投资者会显著增加企业股价崩盘风险。影响机制检验显示,非监督型机构投资者通过增加信息不对称程度加剧了股价崩盘风险;进一步研究发现,相比于其他企业,非国有和公司治理水平低的企业中非监督型机构投资者对股价崩盘风险的加剧作用更为显著。以投资组合为研究起点,探讨机构投资者异质性对股价崩盘风险的非对称影响,为证监会引导机构投资者积极参与治理、降低股价崩盘风险提供理论依据。

论巴菲特的投资策略

在过去近六十年的时间里,巴菲特的投资业绩大大超过了标普500指数,引得广大投资者纷纷追随并效仿其投资策略。本文从现代金融理论出发,为巴菲特在实践中所坚持的“注重基本面分析”和“集中投资”法则提供了学术注解。首先,本文利用价格理性预期模型,揭示了关注未来公司基本面信息在股票定价中的核心地位。在模型中引入泡沫项后,股价随机过程的同源性启示投资者应理性看待由泡沫过程引起的价格剧烈波动。其次,本文通过引入方差更小的基本面变量,阐释了巴菲特何以应用莫顿最优解来集中持股。最后,本文还探讨了以上理论对促进我国资产管理行业长足发展的政策启示。

基于深度强化学习的国内金融市场投资比较研究

近年来,随着全球经济的迅速发展,参与金融投资的投资者增多,如何在复杂的金融市场中自动选择交易策略使收益最大化成为研究热点.强化学习可以通过与实际环境的交互来寻找最优的交易策略,使投资收益最大化.现有的方法大都是将一到两个强化学习算法应用于金融市场并比较算法在单一交易任务上的表现,此外,这些研究大都针对国外的股票、证券市场或加密货币市场,对国内金融市场的研究甚少.针对上述问题,面向国内金融投资市场,系统性地验证了不同类型的多种深度强化学习代表性算法在单只股票交易、多只股票交易和投资组合分配三个投资任务上的有效性.通过观察在累计收益率、夏普比率、最大回撤等评价指标上的回测结果对算法进行比较,结果显示在不同的投资任务中选取合适的强化学习算法可以有效地提升收益.

中国黄金与行业股票市场的动态相关性研究——基于DCC-GARCH模型

利用2015—2023年的黄金AU9999与十个上证行业指数日收益率数据,建立DCC-GARCH模型来分析动态相关性并计算最优投资权重和最优对冲比率。实证结果发现,黄金与行业股票市场存在动态相关性;黄金市场对十个行业的避险和对冲作用有差异,市场极端情况下黄金与行业指数均高度负相关,熊市期间黄金与原材料以外的九个行业具有不同程度负相关,黄金与工业、可选消费等七个行业长期具有负相关性;黄金平均权重在主要消费行业占比最高,原材料行业的对冲比率最高。最后提出资产组合纳入黄金、持续评估和区分行业进行风险管理的建议。

禁止做空机制下基于光滑桥估计的稀疏投资组合

当目标指数包含大量成分股时,通常需要构造由少数成分股组成的稀疏组合来控制交易成本。然而,关于稀疏指数追踪的相关文献主要集中于禁止做空约束下的Lasso类估计方法。但是,Lasso类估计方法通常对大系数的惩罚过度,继而产生较大的估计偏差。桥估计是Lasso估计的推广,特别是当调节参数小于1时,其可以同时进行参数估计和变量选择。为此,引入桥估计替代Lasso估计来获取稀疏投资组合,从而实现同时进行股票选择和资本配置的指数追踪。为了更加适应股票数据的多重共线性,考虑在回归方程中引入L2罚项来增加所提方法的光滑性。模拟仿真表明所提方法相较于Lasso类估计方法在参数估计和变量选择方面表现得更好。最后,通过对上证50指数和标普500指数的追踪验证了所提方法的优越性。

基于全部资产负债利率风险免疫优化的增量资产组合决策模型

市场利率的变化导致银行资产与负债的价值均发生变化,进而导致银行的所有者权益发生变化引起银行股东财富的风险。因此利率风险免疫对商业银行具有极其重要的作用。本文通过建立银行净值的变化与增量资产负债和存量资产负债持续期的函数关系式,提出了全部组合资产负债利率风险免疫优化条件。以全部组合资产负债的持续期缺口与零的偏差最小为第一目标,以银行全部资产的利息收益最大为第二目标,以监管当局的政策法规为约束条件,建立了基于全部资产负债利率风险免疫优化的增量资产组合决策模型。本文的创新与特色一是通过构建银行净价值与全部资产负债组合持续期的函数关系来建立利率免疫条件,解决了银行增量资产组合配给时、资产增量组合与存量组合构成的全部组合的总体风险控制问题。这就改变了现有研究仅仅立足增量资产与负债的局部风险控制的做法。二是通过用存量资产负债的剩余期限替换现有研究持续期表达式中的期限,得到了既反映增量资产负债持续期、又反映存量资产负债持续期的通用表达式,解决了资产负债增量组合与存量组合构成的全部组合的风险的测量问题。

中国股票市场投资组合规模的非系统风险分散效应

将中国股票市场1995～2005年的11年数据分为三个子样本期，构造等权投资组合模型实证研究了中国股票市场投资组合规模的非系统风险分散效应。研究发现，三个子样本期内，投资组合的平均风险都随着投资组合中股票数的增加而迅速下降，之后变得平缓而趋于稳定，一般7～9个股票就能消除掉45．92％～49．61％的风险；相同规模投资组合的平均风险在整个样本期呈现确定性地随时间下降的趋势；分散掉同样比例的非系统风险所需的股票数也呈现随时间下降的趋势；分散化的好处随时间在增加。

基于阶段贷款方法的存货组合质押风险控制研究

阶段贷款方法对存货组合质押的风险控制具有重要作用。本文以中小型企业为研究对象,将阶段贷款方法纳入到存货组合质押过程中,建立基于阶段贷款方法的存货组合质押风险控制理论模型,从最优阶段数、各阶段贷款数量、放款条件、贷款企业道德风险、分阶段贷款撤销机制等方面,分析了将阶段贷款方法引入到存货组合质押风险控制中所存在的困难,并据此提出应有效规避道德风险,以风险最小化原则确定贷款阶段数,各阶段放款数量应兼顾银行风险和贷款企业生产经营状况,综合各指标确定放款条件,建立完善的激励机制,科学设置贷款撤销机制。

价值投资:中国股票市场实证分析

已有的研究表明,在成熟市场中,价值股的投资收益率普遍高于热门股(亦称成长股)。那么,这一结论在新兴市场是否成立?本文运用组合法,对沪、深股市1996年至2004年期间的股票进行了系统的实证研究。我们发现,中国股市存在微弱的价值溢酬,但常用的价值指标与股票收益率之间的关系存在差异。研究结果表明,中国股票市场具有鲜明的新兴市场特征;但随着时间的推移,价值投资溢酬呈现逐渐提高的趋势。

股票投资组合管理与优化模型

将所有资金投资于单只股票风险太大,投资者通常选取适当的投资组合以降低风险。探讨股票投资组合管理问题,描述了由5个关键部分组成的股票投资组合管理的基本过程,即投资政策、投资分析、资产配置、投资组合修正和投资组合业绩评估。给出了一种新的风险度量指标,同时考虑了风险的潜在损失危害性和风险的投机收益性。并根据该指标,提出了股票投资组合的优化模型。