【摘要】：指數(shù)跟蹤是較為常見的被動投資管理方法之一,持續(xù)受到投資者和學者們的關注。但由于大多數(shù)投資者們的資金限制,其希望盡量減少所構建的投資組合中成分股的個數(shù),近年來較為常用的方法是將勢約束加入到均值平方模型上。然而,當樣本量較少并且市場微觀結構發(fā)生較大變化時,該模型的求解精度有待提高。我們希望可以因子模型的思想,將模型由直接跟蹤指數(shù)收益率轉(zhuǎn)換為跟蹤在各個有效因子上的風險暴露系數(shù)來間接跟蹤指數(shù)收益率,常見的因子模型有單因子模型、Fama-French三因子模型、五因子模型等。但對于傳統(tǒng)的因子模型,由于每個因子在金融市場中的實際意義,其應用難點在于計算所有的因子。為了克服這一難點,本文通過主成分分析法提取影響各資產(chǎn)收益率的有效因子,并計算每種資產(chǎn)在這些有效因子上的風險暴露。在數(shù)值實驗部分比較模型的求解精度,首先將帶勢約束的主成分因子-均值平方模型改寫為混合整數(shù)規(guī)劃模型,并采用分支定界法求解,我們選取OR-Library數(shù)據(jù)庫中的指數(shù)跟蹤測試數(shù)據(jù),實驗結果表明主成分因子-均值平方模型比均值平方模型具有更高的精度。但是當我們將分支定界法用于求解成分股較多的指數(shù)跟蹤問題時,時間成本非常大,因此,我們將模型進一步改寫為多塊目標函數(shù)極小化問題,并且通過指示函數(shù)以及加入人工變量,得到兩個二次罰子問題,進而,我們利用鄰近交替線性極小化方法交替地求解兩個投影子問題,實驗結果表明,主成分因子-均值平方模型的求解時間得到大幅度的提升。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F832.51

【參考文獻】

相關博士學位論文 前1條

1 李儉富;基于我國證券市場的指數(shù)跟蹤管理方法及應用研究[D];電子科技大學;2006年

相關碩士學位論文 前9條

1 程洋;指數(shù)投資與跟蹤復制的實證研究[D];南京大學;2017年

2 陳佩;主成分分析法研究及其在特征提取中的應用[D];陜西師范大學;2014年

3 徐貝;解帶勢約束投資組合優(yōu)化問題的光滑化方法[D];大連理工大學;2014年

4 王昭棟;多因子選股模型在中國股票市場的實證分析[D];山東大學;2014年

5 孫晶;基于跟蹤誤差的指數(shù)化投資組合研究[D];東北大學;2012年

6 陳杰;基于指數(shù)跟蹤的投資組合優(yōu)化模型及實證分析[D];復旦大學;2012年

7 周全;幾種多元統(tǒng)計分析方法及其在生活中的應用[D];長江大學;2012年

8 范旭東;跟蹤誤差與優(yōu)化指數(shù)投資策略[D];西南財經(jīng)大學;2006年

9 張鵬;基于主成分分析的綜合評價研究[D];南京理工大學;2004年

，

本文編號：2688419