论文部分内容阅读
本文从量化投资技术和商业模式创新两个维度探讨了如何构建财富管理企业的核心竞争力,即财富管理企业如何应用量化投资技术,构建特色化的智能投顾系统;财富管理企业如何构建商业模式,在金融科技时代取得竞争优势。实证表明通过量化投资技术可以有效地实现资产配置、市场择时、选择基金,克服人性缺点,通过科学投资实现财富有效增值,未来将逐步取代传统理财师的工作。智能投顾系统的构建在财富管理领域成为趋势,技术创新将带动商业模式创新,改变未来财富管理行业的商业生态。因此,投资技术创新和商业模式创新是财富管理企业构建核心竞争力的关键所在。全文整体上可以分成四个部分: 第一部分,研究准备工作,这部分包括第1-2章。第一章是绪论部分。这一部分指出论文的研究背景和意义,表明研究目标和内容,介绍采用的方法和技术路线,并给出论文的特色和主要创新之处。第二章是文献综述。这一部分包括5个小节,分别是文献计量研究,财富管理领域的主要参与者,财富管理的量化投资技术应用,财富管理的商业模式转型和创新,技术创新和商业模式的关系。通过文献分析,创新发现目前量化投资技术和商业模式均是产业界和学术界非常关心的热点问题,尤其是财富管理这些年中国开始快速发展,在财富管理领域的量化投资技术和商业模式研究需求更是尤为迫切,这也是本文研究的重要出发点之一。 第二部分,财富管理中的量化投资技术创新,是财富管理企业未来构建核心竞争力第一个维度,包括第3-5章。这部分详细研究量化投资技术在财富管理中的应用,以及构建智能投顾系统的三个层面。第三章研究财富管理中的量化资产配置技术,包括4个小节,分别是资产配置简介,不同测度的风险平价模型,景气分析和量化美林时钟模型,加入宏观因子的ABL模型。第四章研究财富管理中的量化择时技术,包括3个小节,分别是市场择时简介,基于HMM模型的量化择时,基于GRU模型的量化择时。第五章研究财富管理中的量化选择基金技术,包括4个小节,分别是选择基金简介,基于CART决策树模型量化选择基金,基于随机森林模型量化选择基金,基于梯度提升树模型量化选择基金。投资是一个复杂的决策过程,需要从多个角度、多个模型来进行系统分析,并且金融市场具有高度的非线性,因此本文探索将近些年新兴的机器学习模型,尤其是深度学习模型应用于金融市场的分析。实证结果表明,改进的资产配置模型能取得更好地平衡收益和风险,提高投资效率;深度学习模型在预测股指方面优于传统神经网络模型,并能够带来超额收益;机器学习模型可以一定程度上找出优秀的基金,取得超越指数的收益。未来基于模型和算法的智能投顾系统将取代人的大部分工作。 第三部分,财富管理企业的商业模式创新,是财富管理企业未来构建核心竞争力第二个维度,包括第6-7章。这部分详细研究国内外财富管理的典型商业模式案例,以期为该行业的转型和创新提供管理启示。第六章研究财富管理的商业模式创新,主要是国外的案例,一共选取了4个典型案例——瑞银财富、嘉信理财、Wealthfront和Betterment,其中瑞银财富是银行背景,嘉信理财是券商背景,而Wealthfront和Betterment是第三方理财公司背景,这三个案例基本覆盖了国外财富管理领域里3个不同类型的成功企业。第七章继续研究财富管理的商业模式创新,主要是国内的案例,一共选取了2个典型案例——招商银行和诺亚财富,其中招商银行是银行背景,诺亚财富是第三方理财公司背景,均为目前中国财富管理领域的领跑者。通过研究发现,这些成功的财富管理企业往往拥有良好的金融风控能力、客户关系维系能力、投资和交易技术创新能力,并且近些年积极转型智能财富管理,通过技术创新带动商业模式转型升级。另外,第三方理财机构在中国快速兴起,一方面伴随着中国经济的腾飞和中产阶级的崛起拥有着巨大的发展机遇,另一方面面对传统金融机构的竞争和监管的趋严,也面临着严峻的挑战。 第四部分,总结本文的工作,包括第8章。这部分主要是对前面的工作和结论进行总结,提出研究的不足之处,并对未来的研究进行展望。 本文的创新点和特色主要包括以下四个方面: 首先,从投资技术和商业模式创新双重维度研究财富管理的核心竞争力构建问题,是本文的一大特色。技术是企业取得相对竞争优势的主要渠道,而商业模式是企业在商业竞争中的存在形式,它承载了技术创新的应用和推广。尤其是当今金融科技时代下,技术发展日新月异,新技术和新商业模式在不断颠覆各行各业。本文从这两个维度出发分析,可以全面地给财富管理行业变革提供管理启示。 第二,资产配置理论模型的理论分析和创新改进。对于量化投资技术中资产配置,已经有许多经典的模型被广泛应用于实际中,但他们有着自己的一些局限性和缺点。本文在分析了他们的不足后,对其进行了改进,提出了不同风险测度的风险平价模型、基于景气分析的美林时钟模型、加入宏观因子的ABL模型,并通过历史数据仿真模拟测试的方法对资产配置策略进行了验证。 第三,机器学习模型在市场择时和基金选择中的创新应用。对于量化投资技术中的市场择时和选择基金,本文将近些年取得突破进展的机器学习模型,尤其是深度学习模型应用于金融领域,例如被广泛应用于语音识别的HMM模型,被广泛应用于机器翻译、语义分析的GRU模型,还有模拟人思考方式的决策树模型以及其改进版本随机森林(RF)模型和梯度提升树(GBDT)模型。将这些在其他领域表现优秀的机器学习模型应用于金融市场领域是国际的前沿热点之一,本文的研究丰富了这方面的理论。 最后,构建理论分析框架系统研究商业模式创新案例。对于商业模式部分,本文查阅了大量的历史文献,对于每个商业案例均采用了相应的商业模式分析模型,例如钻石模型、冰山动态反馈模型、PNMP模型、3V模型等,其中后三个分析模型由本文首先提出。通过对这些案例的商业模式分析,本文得出了其成功的关键要素,并总结了管理启示。