基于AdaBoost集成算法和Black-Litterman模型的资产配置

作者：姚海祥; 李晓鑫; 房勇

来源：系统工程理论与实践, 2023, 43(11): 3182-3196.

• Black-Litterman模型
• AdaBoost
• 神经网络
• 资产配置
• 投资组合

行业主题型ETF的迅速发展为投资者带来了多元化的行业资产配置机会,然而投资者应如何进行合理有效的行业资产配置,才能获取行业中优质企业长期健康的发展红利.本文以2005年1月14日至2022年7月15日的沪深300一级行业指数为研究样本,运用自适应提升算法(adaptive boosting, AdaBoost)生成投资者观点,并通过Black-Litterman(BL)模型建立行业资产的最优配置策略.算例结果表明,基于AdaBoost集成算法的BL模型(BL＿AdaBoost)相较于市场组合、等权重组合、MV模型能够获得更优的投资绩效.此外,我们进一步考察了BL＿AdaBoost在不同时期的绩效表现.结果显示,在极端风险事件冲击以及股市整体持续下行的时期, BL＿AdaBoost在一定程度上能够抵御风险,从而减小投资组合的亏损.而在股市正常波动时期, BL＿AdaBoost相较于其他投资组合能够获得更高的回报.

• 单位
  金融学院; 广东外语外贸大学; 中国科学院数学与系统科学研究院; 中国科学院大学