北京大学软件与微电子学院, 北京 100871
出版日期:
2020-01-25发布日期:
2020-04-29Large-Dimensional Online Portfolio Strategy Based on Ensemble Learning
HUANG Song ,NI Xuanming ,QIAN Long ,ZHANG JunchaoSchool of Software and Microelectronics, Peking University, Beijing 100871
Online:
2020-01-25Published:
2020-04-29摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
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.
分享此文: