基于排序预测的带交易费用在线投资组合策略

在线投资组合决策过程中频繁调整资产头寸会产生较多的交易费用。本文提出了一个综合考虑预期收益和交易费用的在线投资组合策略。通过预测资产的排序计算组合的预期收益,利用相对熵距离衡量交易费用,构造了一个极大化预期收益和极小化交易费用的优化模型,从而得到了一个在线投资组合更新策略。然后,从理论上证明了该策略具有BH泛证券性,即该策略与离线的最优购买并持有策略具有相同的渐近平均指数收益率。最后,采用中美股票市场实际数据,对该策略进行了数值分析。结果表明,该策略的表现优于已有的在线投资组合策略,且对模型的参数不敏感。     

非平稳市场中适应性在线投资组合策略设计与分析

考虑到股票市场的表现往往是非平稳的, 过去较长时间的股票价格对当前的投资决策影响较小, 因此基于近期股票价格数据设计在线投资组合策略. 首先, 将上一期的策略与固定长度的股票价格近期数据对应的最优定常再调整策略加权平均, 设计了一个在线投资组合策略. 其次, 进一步采用在线学习的方法选择加权平均的权重, 设计了一个适应性的在线投资组合策略. 利用实际股票价格数据对构造的策略进行数值分析, 结果表明与基准策略和已有的在线投资组合策略相比, 设计的策略具有较好的性能.