基于长短记忆神经网络预测的大类资产因子配置研究

大类资产配置策略为资金相对庞大的机构投资者提供了一个有效获取稳健收益的手段,通过因子收益分布及相关性的预测能更好地进行大类资产配置.将大类资产因子配置的思想与机器学习算法预测有机结合,首先筛选宏观因子及风格因子,利用长短记忆神经网络(LSTM)方法预测组合收益,得到最优因子组合;然后结合最优因子组合中蕴含的信息,修正对资产预期收益率的估计并提出了大类资产的权重配置方案.通过在全球18种大类资产上进行的算例分析表明,采用本文模型得到的配置策略相较于其它模型有更高的收益风险比、较低的年化波动以及较小的最大回撤.研究结论可为机构投资者的大类资产配置提供理论借鉴.     

高维因子模型及其在统计机器学习中的应用

本文综述近年来因子模型研究的最新进展及其在统计机器学习中的应用.因子模型通过较少的因子实现降维,并为协方差矩阵提供了一种低秩加稀疏的结构,不仅受到高维数据分析领域的关注,也被广泛应用于计量经济学、数量金融学、基因组学、神经科学和图像处理等许多科学、工程及人文社科领域的研究中.本文系统阐述利用主成分分析方法提取潜在因子、估计因子载荷、异质结构与整体协方差矩阵的统计推断方法,这套方法被证明可以有效应对当前大数据所表现出的高维性、强相关性、厚尾性和异质性等重大挑战;另外,还重点介绍了高维因子模型在处理协方差矩阵估计、模型选择和多重检验等高维统计学习问题中的作用;最后,通过几个应用实例说明因子模型与现代机器学习问题之间的密切联系,其中包括当下流行的网络分析和低秩矩阵还原等.     

基于随机森林算法的多因子选股模型研究（英文）

尽管近几十年来量化投资得到了发展,策略也趋于多样化,但随之而来的还有各种问题和瓶颈,如数据选择,模型在金融市场的有效期过短.本文建立了一个基于随机森林算法的多因素股票选择模型.在该模型中,从6个不同维度中选择12个因子来构建因子库,并对因子数据进行预处理.在确定模型参数后,基于处理后的数据,对单个股票的预测和操作策略指导获得了可观的回报率,这为下面的投资组合构建奠定了基础.在投资组合的构建中,本文选择的股票池由更能代表中国股市的沪深300成分股组成.选取2013-01-01至2015-01-01两年的数据,包括12个入选因素和股票的上涨情况.为了在策略写作过程中尽可能地模拟真实情况,设置了滑动和手续费等影响因素.在模型的回测实验结果中,获得了25.5%的年化回报率.此外,根据特征在随机森林算法中的重要性和相关性分析,对影响因素和模型进行了进一步的改进,改进模型的年化收益率高达32.2%,超额收益率α达到15.1%,获得了较高的夏普比和较低的回撤率.     

因子结构下的新型多期投资组合选择模型

首次将因子模型与多期均值-方差模型相结合,建立了单因子结构下的新型多期均值-方差模型,并且利用二次规划方法得到了此模型的解析最优投资策略.为使这一结论具有普适性,又将它推广到了多因子模型情形,并且得到了与单因子模型下类似的结论.最后,通过数值算例验证了本文的理论结果.新模型确定最优投资策略的方法,是一个科学且可操作性强的方法.     

多分形视角下的金融市场波动建模研究

针对修正因子的不足,对多分形波动率进行了改进.以改进的多分形波动率为中心,建立了考虑跳跃,杠杆效应等典型特征的HAR类波动模型.通过对上证综指高频数据进行分析,从模型拟合,预测和风险值预测三方面评价,HAR-L-lnMFVt-CJ是最优的波动模型,且该模型优于传统的EGARCH-J模型和NGARCH-J模型.这些研究说明了修正的多分形波动率测度是更为有效的波动估计量.     

基于加权损失函数下广义指数预报因子模型的汇率预测

本文提出在加权损失函数下构建汇率预测的广义指数预报因子模型。该方法首先选取有限个不同滑动参数构造指数预报因子,同时基于绝对值损失和平方损失的提出加权损失函数作为变量筛选的准则,然后在该准则下将指数预报因子进行线性组合,建立汇率预报的广义指数预报因子模型。本文最后用英镑/美元单周汇率数据与文献中的一些已有方法做比较,实证分析表明本文提出的方法在汇率预测效果上有较大改进。     

一种利用Pls提取因子的财务危机预警模型

为了克服直接使用财务指标建立Logit模型存在的估计和检验不可靠问题,在所有的财务比率指标基础上,通过删除完全共线、意义相同和缺失数据指标,建立海选指标集.利用t检验筛选指标,删除t检验不显著的指标,保留t检验显著的指标,构建财务危机预警指标体系.通过提取互不相关的Pls因子,估计Pls-logit模型对因子赋权.将Pls因子回归代入Pls-logit模型对指标赋权,建立基于Pls-logit模型的财务危机预警模型.以2010年381家制造业上市公司作为建模样本进行了实证分析,表明Pls-logit模型中31个系数在5%的显著性水平下显著,说明建立的财务预警指标体系能够显著解释财务危机.以2010年和2011年随机抽取的制造业公司为检验样本进行回溯检验,检验结果表明预警总准确率达到91.7%以上.2010年危机预警准确率为66.7%;2011年危机预警率为100%.Pls-logit模型的总体预警准确率明显优于财务指标logit模型.     

顾及降雨及温度因子的卡尔曼滤波模型

考虑到处于不同位置的滑坡变形监测点,由于它们所处的位置不同,各种环境因素对它们的影响及影响程度也不同,因此它们的变形规律也不同.首先通过计算比较找出剩余标准差最小的变形与时间、大气降雨量、温度相关关系的单因子模型,再将这些单因子模型通过叠加,组成多因子模型,然后将变形与时间、大气降雨量、温度相关关系的多因子模型的模型参数看作含有动态噪声的状态向量,建立卡尔曼滤波模型.实例计算表明这种建模方法效果较好.     

基于统计检验与机器学习的全基因组关联研究框架

采用统计检验和机器学习的方法来研究SNP或基因与疾病(可测性状)的关联性.先对SNP选择合适的数值编码方式,并设计了相应的统计检验流程,随后通过P值初步筛选出了与疾病或性状相关联的位点.在此基础上,对筛选出的位点,采用随机森林,XGBoost等机器学习方法,从样本外预测的角度判断SNP与疾病或性状的关联度.相关结果,显示发现运用该分析框架能较好地筛选出与疾病或性状关联的SNP(基因).并且框架由于考虑了多种分类模型,有着稳健性高,计算开销较小以及可以交叉比对等优势.框架未来在还可在金融,社交网络等方面发挥作用.     

水资源短缺风险因子的筛选模型

水资源短缺评价首先需要确定指标体系,投影寻踪模型与灰色关联度法相结合,可以有效地筛选出水资源短缺风险因子,为进一步进行风险评价奠定了基础,同时也为制定风险的防范措施和对策提供了理论依据.综合应用这两种模型,对北京市2001～2009年的水资源短缺风险进行研究,结果表明:降水量、日照时数、雨日数、单位GDP污水排放量、人均GDP、工业总产值占有率、污水处理率和水循环使用率这8个指标是北京市水资源短缺的主要风险因子.     

动态因子模型在房价波动因素分解中的应用——基于中国26个城市房价波动的分析

利用动态多因子模型,对26个大中城市1999年1月-2010年5月的房地产价格波动进行因素分解,分别提取了表示区域特征的区域因子和城市特征的城市因子,从区域因子的特征看各区域房价波动受政府调控和宏观经济形势影响较大.因素分解结果表明:各区域因子对区域内各城市房价波动的影响贡献度较大,而且在经济发达地区这个特征更明显.对区域因子互动关系的研究表明:我国大中城市房价波动存在从东部沿海发达地区分别向东北,中部,西部蔓延的"波纹效应".本文的结论有助于加强不同区域房地产市场调控和监管的针对性.     

基于条件分布的超高维特征筛选

特征筛选方法是处理超高维数据的一种快速有效的降维方法.针对超高维判别分类数据,提出一种改进的超高维特征筛选方法,方法不需要特定的模型假定;可以处理多分类响应变量情形;可适用于离散型或连续型协变量情形;对服从重尾分布的协变量,方法仍具有较好的稳健性.从理论上证明了所提出特征筛选方法满足确定筛选性和指标排序相合性,并通过数值模拟和实例分析在有限样本条件下验证了方法的有效性.     

隐马尔可夫因子分析模型的半参数贝叶斯分析

因子模型在刻画潜在因素(因子)与观测变量间的影响关系并进而解释多元观测指标(变量)间的相关性方面具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰,偏态等特性.将经典的因子分析延伸到带有时齐隐马尔可夫模型的动力因子模型,并建立了半参数贝叶斯分析程序.分块GIBBS抽样器用以后验抽样.经验结果展示所建立的统计程序是有效的.     

带有非齐次结构动力因子模型的估计与检验

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.     

因子分析模型的改进与应用

本文针对迄今国际国内最流行的因子分析模型(正交因子模型)的缺点,提出了改进的因子分析模型L,论证了标准化主成分及其载荷阵和它们的旋转提供了因子分析模型L在某种最优意义上的精确解,并对因子分析模型L的应用步骤及注意事项进行了论述,还指出了一些待解决的问题。     

改进的加权不等时距灰色IMUGM(1,m,ω)模型及其应用

针对传统的灰色预测模型的缺陷,提出了改进的多因素不等时距加权灰色预测模型.首先,以引入加权因子ω的方式建立多因素不等时距加权灰色模型,再通过初始值改进、残差修正以及新陈代谢思想相结合的方式对模型进行改进;然后结合实际消耗数据,依据欧氏距离、隶属度权值等模型,实现备件消耗预测,实例仿真及分析验证了方法的有效性.     

一个多因子信用违约互换定价模型

考虑一个违约互换的多因子的简化模型,通过测度的转化并求解一个多变量Riccati常微分方程而得出了这个模型的解析解.此模型是Duffie-Pan-Singleton(2000)模型的特例,但是这个模型存在解析解,而Duffie-Pan-Singleton模型并不存在解析解.模型的解析解对获得直觉的判断和进行模型的计算都非常有帮助,而且模型的解析解对实证检验也是有帮助的.     

基于潜伏因子模型分析的新兴市场国家金融传染效应研究

构建了基于资本资产定价模型为基础的潜伏因子模型对金融危机传染效应进行分析,将引起市场收益率波动的因素分解为"共同因子","特质因子"和"传染因子",同时采用迭代累计平方和算法内生性地对金融危机演化的不同阶段进行了时间上的划分.以2008年全球金融危机期间4个主要新兴市场国家的股票市场为对象进行了实证研究,结果表明这些国家均遭受到了不同程度的传染,其中中国和巴西受到的传染较弱,而印度和俄罗斯受到的传染较强.     

基于Topsis改进的因子分析模型在面板数据中的应用研究——以中国经济为例

针对传统因子分析只限于对截面数据进行分析研究存在的不足作了改进.通过建立基于Topsis法改进的因子分析模型对面板数据进行研究分析.以每一年的横截面数据因子综合得分最高和最低分别作为最优和最劣向量,通过Topsis法求出每个样本因子综合得分与最优因子方案接近程度.以中国加入WTO后的经济增长为例,用模型的最优因子方案接近程度来刻画各个省份2004年-2012年的经济发展状况,研究得到的结论是大部分省份与最优因子方案接近度较大.     

贝叶斯分类模型的改进及其应用

利用加权贝叶斯分类模型对北京科技大学本科生英语四级考试通过率进行预测.通过对误判数据的分析,调整贝叶斯分类器的判别条件,改进了加权贝叶斯分类模型.实验表明,改进后的模型大大提高了预测结果的准确性.此外,还引入了学生"潜力因子"的概念,为教学与学习提供了个性化的提示和有针对性的建议.