科研之友
微信
新浪微博
Facebook
分享链接
摘要
面对金融市场的大量不确定性因素,如何合理选择有效的定价因子并构建科学的资产定价体系,一直是金融理论研究的核心问题之一。本文利用图嵌入的方法,基于稀疏表示和低秩表示策略,深度挖掘潜含在数据集中的内在结构,构建了能够同时揭示数据局部结构信息和全局结构信息的集成学习策略,以实现不同维度的多源数据融合。从CAPM和APT理论出发,通过集成预测的方法构建量化多因子资产选择模型,代表性地选择了卷积神经网络、梯度提升决策树、时间序列及支持向量机等模型进行单一预测,并通过稀疏低秩的图近似最小二乘回归集成策略进行优化。实证结果表明基于集成预测的稀疏低秩策略其资产选择能力更强,超额收益率更高。采用机器学习的非线性预测方法更有利于揭示金融系统的复杂特性。实证结论对投资组合管理具有重要指导意义。
- 单位
