在國(guó)內(nèi)資本市場(chǎng)漸進(jìn)開放的趨勢(shì)下,居民的投資增值需求也在不斷增加,可選投資標(biāo)的和金融工具變得豐富,但真正能為投資者帶來良好收益的投資品種并不多,為了更好地解決這種供需矛盾,未來勢(shì)必會(huì)形成投資者機(jī)構(gòu)化的態(tài)勢(shì)。在國(guó)內(nèi),公募基金作為主要的機(jī)構(gòu)投資者,縱觀其發(fā)展歷程,近幾年成立的公募基金數(shù)量大幅增長(zhǎng),但大多數(shù)基金并沒有持續(xù)取得超越市場(chǎng)的超額收益,這也為個(gè)人投資者選取可靠的基金帶來了挑戰(zhàn)。與此同時(shí),國(guó)內(nèi)私募基金的規(guī)模也呈現(xiàn)飛速增長(zhǎng),截至去年年底,私募基金管理體量已突破11萬億。在增量資金大幅增加的趨勢(shì)下,FOF基金這種投資形式開始受到關(guān)注和青睞。伴隨公募基金FOF的獲批,國(guó)內(nèi)學(xué)者和業(yè)界對(duì)FOF基金投資展開了一系列如火如荼的研究,主要研究借鑒成熟資本市場(chǎng)的常用策略如生命周期策略、套利策略、風(fēng)險(xiǎn)平價(jià)策略、基金優(yōu)選策略等,實(shí)證分析了這些策略在國(guó)內(nèi)市場(chǎng)的適用性。FOF投資組合的構(gòu)建一般分為兩步,資產(chǎn)篩選階段和權(quán)重配置階段。本文在已有研究的基礎(chǔ)上,以股票型、QDII、混合型、貨幣型和債券型五類基金作為備選基金,引入機(jī)器學(xué)習(xí)算法中的集成方法作為構(gòu)建FOF投資第一階段篩選基金的方法,并結(jié)合風(fēng)險(xiǎn)平價(jià)模型對(duì)這五類基... 

【文章來源】：南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．２股票型基金二元決策樹（深度為２）訓(xùn)練結(jié)果??Ｘ｜．＾］?－?０?０＿２？??

ｖａｌｕｅ?＝?０．０２４３?ｖａｌｕｅ?＝?－０．０￣２Ｓ?ｖａｌｕｅ?＝?０．０３Ｐ３?＼ａｌｕｅ?＝?０．１２３??圖３．２股票型基金二元決策樹（深度為２）訓(xùn)練結(jié)果??Ｘ｜．＾］?－?０?０＿２？??ｍｓｅ?＝?０?０１０８??ｓａｍｐｌｅｓ?＝?４００??ｖａｌｕｅ?＝?Ｉ丨．０４１５??Ｔｍｅ／７?＾＼Ｆａｌ？ｅ??Ｘｌｌ］?＝０?０３０６?Ｘｌ：Ｊ?＝０?１２１＂??ｍｓｅ?＝?０?００５－１?ｕｉｙｅ?＝?０?０１＂＊２??ｓａｍｐｌｅｓ?＝?ｓａｍｐｌｅｒ：?＝?１２３??＼ｉＵｕｅ?＊?０．０１３８?ｖａｌｕｅ?＝?０?１０－１??＿＿＿＿??ｕｉｓｅ?－?０?（ＫＭ５?ｍｓｅ?＝?０．ＷＭ５?ｕｉｓｅ?＝?０?０１６３?ｉａ？ｅ?＝?０．０１５８??ｓａｍｐｌｅｓ?＝?２４＂＊?ｓａｍｐｌｅ．＇－?＝?３０?ｓａｍｐｌｅｓ?＝?２８?ｓａｉｕｐｌｔｉ：?＝?９５??ｖａｌｕｅ?＝?０?０２－１３?＼ａｌｉｉ？?＝?－０．０＊２８?＼?ａｌｎｅ?＝?０?０３Ｗ?ｖａｌｕｅ?＝?０．１２３??，ＸＩ，?Ｘ?＼?，，?Ｊ?＼?

集可能只有一個(gè)屬性，也可能包含當(dāng)前節(jié)點(diǎn)的全部屬性，子集中包含的屬性個(gè)??數(shù)決定了屬性選擇的隨機(jī)程度，之后選擇該子集中的一個(gè)最優(yōu)屬性作為該節(jié)點(diǎn)??的劃分屬性，其算法流程圖如下圖３．５所示。??隨機(jī)森林算法在實(shí)際應(yīng)用中表現(xiàn)出了很強(qiáng)的泛化能力，在眾多集成方法中??屬于性能最強(qiáng)的方法之一。這主要是因?yàn)槠湎噍^于Ｂａｇｇｉｎｇ算法而言，不僅具??備了?Ｂａｇｇｉｎｇ算法中通過對(duì)初始樣本集進(jìn)行自舉抽樣而獲得的樣本差異性，還??通過引入屬性的隨機(jī)選擇機(jī)制加入了屬性差異性，兩者相結(jié)合增加了基學(xué)習(xí)器??之間的不同，從而進(jìn)一步提高了集成方法的泛化性能。??由于隨機(jī)森林算法是以Ｂａｇｇｉｎｇ算法為基礎(chǔ)衍生而來，隨機(jī)森林算法在學(xué)??習(xí)結(jié)果的收斂性方面與后者類似。剛開始訓(xùn)練模型時(shí)，隨機(jī)森林的性能相對(duì)較??差

【參考文獻(xiàn)】：
期刊論文
[1]基于風(fēng)險(xiǎn)因子的風(fēng)險(xiǎn)平價(jià)投資策略及實(shí)證研究[J]. 王秀國(guó),張秦波,劉濤.  投資研究. 2016(12)
[2]隨機(jī)森林在量化選股中的應(yīng)用研究[J]. 王淑燕,曹正鳳,陳銘芷.  運(yùn)籌與管理. 2016(03)
[3]使用隨機(jī)森林算法實(shí)現(xiàn)優(yōu)質(zhì)股票的選擇[J]. 曹正鳳,紀(jì)宏,謝邦昌.  首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào). 2014(02)
[4]基于隨機(jī)森林方法的基金收益率方向預(yù)測(cè)與交易策略研究[J]. 方匡南,朱建平,謝邦昌.  經(jīng)濟(jì)經(jīng)緯. 2010(02)
[5]基于隨機(jī)森林的基金評(píng)級(jí)模型選擇[J]. 王志紅,王華珍.  財(cái)務(wù)與金融. 2009(01)
[6]基于隨機(jī)森林的基金重倉股預(yù)測(cè)[J]. 劉微,羅林開,王華珍.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(S1)

碩士論文
[1]基于風(fēng)險(xiǎn)平價(jià)策略的大類資產(chǎn)配置實(shí)證研究[D]. 蔡文捷.浙江大學(xué) 2017
[2]基于集成學(xué)習(xí)模型的上市公司財(cái)務(wù)困境判別研究[D]. 李家駒.深圳大學(xué) 2017
[3]FOF基于風(fēng)險(xiǎn)平價(jià)理論的資產(chǎn)組合研究[D]. 甄超.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2017
[4]基于模糊動(dòng)態(tài)SVM集成模型的選股研究[D]. 高安婧.哈爾濱工業(yè)大學(xué) 2017
[5]FOF基金風(fēng)險(xiǎn)配置策略設(shè)計(jì)[D]. 徐振偉.上海師范大學(xué) 2017
[6]大類資產(chǎn)配置風(fēng)險(xiǎn)平價(jià)模型及其應(yīng)用[D]. 張研.山東大學(xué) 2017
[7]公募FOF中常用量化方法及相關(guān)模型的實(shí)證研究[D]. 劉建橋.山東大學(xué) 2017
[8]FOF基金的發(fā)展趨勢(shì)與實(shí)證分析[D]. 劉凱.蘇州大學(xué) 2016
[9]基于支持向量機(jī)集成學(xué)習(xí)方法的高新技術(shù)上市公司績(jī)效預(yù)測(cè)研究[D]. 王丹陽.東南大學(xué) 2015
[10]風(fēng)險(xiǎn)平價(jià)配置和其他資產(chǎn)配置方法的比較研究[D]. 鮑兵.復(fù)旦大學(xué) 2014



本文編號(hào)：3358299