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,太原 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:2021-11-25发布日期:2021-12-25

Sparse Learning, Asset Colinearity and Portfolio Selection

LI Aizhong¹, REN Ruo′en², 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:2021-11-25Published:2021-12-25







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

通过核范数正交约束的稀疏学习方法深度挖掘市场特征,选择相对效率较 高的重要指数构建市场有效组合并动态跟踪市场运行趋势,运用正交最小一乘 的自适应权重学习方法进行泛组合资产配置优化,最终通过稀疏投影及分散优 化策略获得最优组合配置.研究发现多目标核范数正交约束的稀疏回归策略可以更好地把握市场主要运行趋势并构建有效前沿, 有效地克服资产共线 性现象,自适应地表征资产之间的关联关系. 稀疏分散的多目标回归策略在集中优势重点配置优质资源和稀疏分散风险及稳定提高收益方面实现了良好的统一, 风险收益的均衡性更强, 组合的稳健性更明显. 实证结论对量化组合配置、风险平衡及投资管理具有重要指导意义.
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=14376