【摘 要】
：
近年来,越来越多的学者将机器学习理论运用在金融行业的各个方面,近几年备受关注的生成对抗网络也不例外。目前大部分学者将生成对抗网络及其改进模型用于数据生成或者是模拟资产价格变动的路径上,也用于进行价格预测和欺诈检测等方面;也有部分学者将生成对抗网络用于资产管理方面,但他们往往是先将资产价格变动路径或者分布生成出来,再利用生成的结果按照目标函数进行优化,进而得到资产组合策略。但在这过程中,生成对抗网络
论文部分内容阅读
近年来,越来越多的学者将机器学习理论运用在金融行业的各个方面,近几年备受关注的生成对抗网络也不例外。目前大部分学者将生成对抗网络及其改进模型用于数据生成或者是模拟资产价格变动的路径上,也用于进行价格预测和欺诈检测等方面;也有部分学者将生成对抗网络用于资产管理方面,但他们往往是先将资产价格变动路径或者分布生成出来,再利用生成的结果按照目标函数进行优化,进而得到资产组合策略。但在这过程中,生成对抗网络的生成器依然只是起着数据生成的作用,并没有直接得到资产组合策略。与其他学者不同的是,本文是利用Portfolio-GAN模型的生成器直接生成出资产的权重向量,结合资产的收益率得到相应的组合收益率,再进行对抗训练。同时,为能够实现多期调整和智能选股功能,我们在输入数据集进行了滑动窗口的处理以及在生成器的输出层采用ReLU激活函数。为了能够更好的实现,我们在生成器和判别器的隐藏层中分别加入了LSTM和一维卷积神经网络。为能够得到表现更好的资产组合,我们在选取多只相同类型的基金的基础上,对数据以每5个交易日为期限进行划分,选择每一个相同时间段中收益表现最好的数据按时间进行重新组合,得到一个新的组合收益序列,并称其为目标基金。我们将这个目标基金作为真实分布放入模型进行生成并做对比分析,同时将生成的投资组合策略与等权配置模型和风险平价模型进行比较。最终实证结果表明,生成的资产组合策略的收益率分布与目标基金的收益分布接近,说明Portfolio-GAN的学习能力较为优异。总体上来看,Portfolio-GAN生成的投资组合的评价指标表现优于基金的表现,累积收益率曲线优于或接近真实基金的累计收益率曲线,表明Portfolio-GAN模型生成投资组合优于真实基金,达到我们的预期目标;在与等权配置模型和风险平价模型的对比中,Portfolio-GAN生成的资产组合表现优异,其夏普比率和收益回撤比基本上都是最高的。因此我们认为Portfolio-GAN生成的资产组合是有实际意义的,能够成为智能投顾的一种新的方法,也可以对投资者提供实际参考价值。
其他文献
＜正＞验证是商业银行风险量化管理体系的一个不可或缺的工作环节,缺少验证工作的风险计量体系是不完整的,其结果的可靠性与准确性难以保障,风险量化成果在商业银行内部也
人工鱼礁作为一种人工构筑物,是构成海洋牧场的重要单元,研究人工鱼礁的结构设计与其对水域生态影响的作用机理会对海洋牧场的规划与构建提供指导。鱼礁开孔是设计鱼礁时的常见选择,目前,已有一定数量对于鱼礁开孔的研究表明开孔鱼礁的流场效应具有显著影响。不过目前对于鱼礁开孔的研究仍较少,而且大多仅仅聚焦于鱼礁的开孔比研究,而对于鱼礁开孔其他影响因素的研究尚未开展,尤其是缺乏对于多种开孔因素之间相互作用机理的研
功率放大器（Power Amplifier,PA）作为无线发射机的重要组成部分,具有固有的非线性特性。数字预失真技术（Digital Predistortion,DPD）作为一种高性能的线性化技术,被广泛地用于补偿功放的非线性。随着第五代通信系统（5G）的相关标准与技术的不断成熟,传统的数字预失真在5G场景下的应用受到了挑战。一方面,根据3GPP Rel.15的5G新空口（New Radio,NR
为了预防和治疗水产养殖生物疾病或促进养殖生物的生长,抗生素被广泛使用。由于抗生素的用药剂量和频率的增加,导致养殖区及其邻近水域积累了大量的抗生素。环境中的抗生素会对人体健康和生态系统造成危害,而环境中残留的抗生素约有65.8%存在于养殖尾水中。因此,亟需对养殖尾水中的抗生素进行处理以满足海水养殖产业可持续发展的需求。现有的养殖尾水处理的方法,存在种种缺憾而不能高效去除存在于尾水中的抗生素。高级氧化
三苯基锡（Triphenyltin,TPT）,由于其优异的通用性能,被广泛使用,它在水环境中的污染已引发了强烈的生态效应。由于水环境中存在多种污染物,所以有必要开展TPT与共存污染物的联合毒性风险评估,特别是围绕TPT与新污染物开展工作。抗生素作为新污染物的代表,由于其广泛滥用,造成了严重的生态风险,本研究以使用广泛的喹诺酮类抗生素作为重点关注的风险源。此外,另一类典型新污染物微塑料所导致的环境问
企业金融化倾向表现为实体企业金融投资规模持续增长,而实业投资率逐渐下滑。实体经济是国民经济发展的根基,大量资金在金融内部循环而并未进入实体领域,引发社会各界对经济脱实向虚的担忧。因此,探索抑制企业金融化倾向、促进实业投资,引导资金流入实体经济的途径,就成为具有重要理论价值和实践意义的研究课题。现有文献关注到了产业政策可能是影响企业脱虚向实的重要因素,但对两者关系的探讨尚未达成一致。基于以上分析,本
在如今的学术研究领域中,研究内容越来越贴近实际问题,当这类实际问题是优化问题并且具有效率低的特性时,采用元启发式算法解决该类问题已经成为学术研究领域的热点导向。元启发式算法即群智能优化算法,它既基于群体成员的聚集,也表现出群体成员独立的智能。群智能优化算法是在迭代过程中不断搜寻最优值的过程,但在算法迭代的后期,种群的多样性降低,探索功能变差,易使算法陷入局部最优。为了使群智能优化算法在迭代搜索过程
近年来,随着金融市场中产品的多元化和衍生产品的不断出现,金融随机模型的构建日趋完善,伴随着的是模型结构也越来越复杂。因此,对于一些模型参数的计算,经典的估计方法已经失效。为此,Todorov,Tauchen（2012a）[1]提出了一个基于高频数据的新测度,即已实现波动率的拉普拉斯变换估计量（Realized Laplace Transform of Volatility,RLTV）,该统计量很容
当前,我国金融市场日益完善,人们对理财知识的需求越来越大,期望合理有规划地处置资产以获得最大化的收益.在这一过程中,期权作为一种可以对冲风险的金融工具,逐渐走入人们的视野,对于期权定价的研究就引起了人们的广泛关注.关于期权定价的研究,最经典的便是1973年美国学者Black和Scholes提出的Black-Scholes期权定价公式,其直到今天仍是我们研究期权定价的重要基础和参考.当然,为了得到更
我国经济正从高速增长转向高质量发展阶段,金融市场的健康有序发展是经济建设的必然要求.合理借鉴西方期权理论,促进中国期权市场发展具有重要意义.期权灵活的合约机制能够满足投资者交易和避险需求,因此期权的合理定价问题备受关注.1973年,Black和Scholes[1]提出的Black-Scholes（B-S）模型为期权定价奠定了基础.但模型的假设条件严格,同时也无法解释波动率倾斜、微笑现象.1993年