李爱忠¹，任若恩²，董纪昌³

1.山西财经大学财政与公共经济学院, 山西 030006; 2.北京 航空航天大学经济管理学院, 北京 100191;3.中国科学院大 学经济与管理学院, 北京 100190

出版日期:2021-07-25发布日期:2021-10-14

Continuous-Time Smart Beta Strategy for Kernel Norm Regression in Sparse Networks

LI Aizhong¹ ,REN Ruoen² ,DONG Jichang³

1. School of Public Finance & Economics, Shanxi University of Finance and Economics, Taiyuan030006; 2. School of Economics and Management, Beihang University, Beijing 100191; 3. School ofEconomics and Management, University of Chinese Academy of Sciences, Beijing 100190

Online:2021-07-25Published:2021-10-14







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

大数据环境下, 通过建立关联关系、网络关系可挖掘隐含在数据背后的深刻规律. 文章通过图网络结构表征资产组合内部的稀疏与聚类关系, 采用带网络结构和低秩稀疏的最小一乘策略有效盯住目标指数, 深度发掘有效特征因子并优化连续时间资产组合, 从而获得非完备市场下更优的Smart Beta性能和绩效. 研究发现基于链路预测的稀疏网络结构能够更好地捕捉资产之间的非线性相依特性并实现有效的资产分类结果; 稀疏分散回归和网络结构的特征提取方法能够深刻揭示资产潜含的内在特性; 基于最小一乘法的核范数回归策略能够自适应地优化跟踪策略, 从Alpha和Beta分离的角度有效地提升了投资组合的整体业绩, 对非完备市场下资产配置优化和指数型投资组合管理具有重要的指导意义.
分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=14256