發(fā)布時間：2024-03-22 19:09

　　FOF基金憑借著在傳統(tǒng)投資組合基礎上進一步精選基金來更好地分散投資風險,自誕生以來一直受到中外投資者的關注。雖然相較于國外金融投資市場國內(nèi)FOF基金的出現(xiàn)較晚,但是隨著2016年中國證監(jiān)會《公開募集證券投資基金運作指引2號——基金中的基金指引》的發(fā)布以及國內(nèi)證券投資基金市場規(guī)模的不斷發(fā)展壯大,最近幾年FOF基金在中國發(fā)展迅速。在這種情況下,如何準確高效地從龐大的基金產(chǎn)品中篩選出合適的投資標的,并通過合理的投資組合方式獲得穩(wěn)定的投資績效,成為了證券投資機構和普通投資者共同關注的問題。本文首先提出了一種基于機器學習的FOF基金動量效應檢驗方法,相較于傳統(tǒng)方法主要考察基金過去單一的收益率指標,此方法將基金的風險收益指標作為機器學習的入模變量,通過考察機器學習動態(tài)建模預測效果來驗證動量效應。為了解決動態(tài)建模中大量的數(shù)據(jù)標注需求,本文構造了一種數(shù)據(jù)自動標注方法,通過基金次月的相對業(yè)績表現(xiàn)來對當月基金進行數(shù)據(jù)標注,極大的提高了標注效率。在數(shù)據(jù)的處理過程中,本文通過變量分箱和WOE編碼的方法,將原始數(shù)據(jù)依概率分布進行映射,使非線性數(shù)據(jù)也表現(xiàn)出線性特征,在提高模型適應性的同時也為基金評分模型的構建奠定...

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    第一節(jié) 研究背景及意義
        一、研究背景
        二、研究意義
    第二節(jié) 國內(nèi)外研究現(xiàn)狀
        一、FOF基金篩選策略相關研究
        二、資產(chǎn)配置策略相關研究
        三、機器學習在量化投資中的應用研究
    第三節(jié) 研究內(nèi)容和研究方法
        一、研究內(nèi)容
        二、研究方法
    第四節(jié) 本文的創(chuàng)新點
第二章 相關理論
    第一節(jié) 量化投資理論
    第二節(jié) 動量效應理論
    第三節(jié) 機器學習理論
        一、邏輯回歸
        二、樸素貝葉斯
        三、支持向量機
        四、決策樹
        五、隨機森林
        六、XGBoost
    第四節(jié) 資產(chǎn)配置理論
        一、等權重模型
        二、均值方差模型
        三、風險平價模型
        四、風險預算模型
    第五節(jié) 本章小結
第三章 基于機器學習的FOF基金動量效應檢驗
    第一節(jié) 整體設計思路
    第二節(jié) 數(shù)據(jù)來源
        一、基金池選取
        二、基金評價指標的計算
    第三節(jié) 數(shù)據(jù)預處理
        一、數(shù)據(jù)自動標注方法
        二、變量分箱
        三、WOE編碼
        四、變量篩選
    第四節(jié) 基于機器學習的FOF基金動量效應檢驗
        一、機器學習模型評估方法
        二、動量效應檢驗
    第五節(jié) 本章小結
第四章 基于機器學習評分模型的FOF基金量化投資策略
    第一節(jié) 基金評分卡原理
    第二節(jié) 基于基金評卡模型的投資序列
    第三節(jié) 基金量化投資回測框架的構建
        一、現(xiàn)有的量化投資平臺
        二、基于Python的基金量化投資回測框架
    第四節(jié) 基于評分結果的投資組合回測
        一、評分權重組合
        二、評分權重風險預算組合
        三、均值方差組合
        四、風險平價組合
    第五節(jié) FOF基金量化投資策略能力分析
        一、資產(chǎn)配置能力分析
        二、策略選基能力分析
        三、倉位管理能力分析
    第六節(jié) 本章小結
第五章 結論
    第一節(jié) 研究結論
    第二節(jié) 研究不足
    第三節(jié) 研究展望
參考文獻
附錄 基金量化投資回測框架代碼
致謝
在讀期間科研成果



本文編號：3934832