本文關(guān)鍵詞：基于Lasso類方法的指數(shù)跟蹤問(wèn)題研究，由筆耕文化傳播整理發(fā)布。

【摘要】：指數(shù)化投資能夠充分分散非系統(tǒng)性風(fēng)險(xiǎn)、獲得市場(chǎng)平均收益，且費(fèi)用低廉，因此，指數(shù)化基金、股指期貨、ETF等指數(shù)產(chǎn)品在中國(guó)一經(jīng)推出就得到了迅速發(fā)展。指數(shù)跟蹤作為指數(shù)化投資的具體管理形式，可以有效的指導(dǎo)股指期現(xiàn)套利、指數(shù)投資產(chǎn)品的設(shè)計(jì)等，因此本文提出了基于Lasso類方法的指數(shù)跟蹤方法構(gòu)建股票組合，對(duì)目標(biāo)指數(shù)進(jìn)行有效跟蹤。 處理高維模型選元的Lasso類方法不但運(yùn)算簡(jiǎn)單，可以用于高維股票數(shù)據(jù)，且可以同時(shí)完成投資組合中成分股的選取與權(quán)重系數(shù)的估計(jì)問(wèn)題，因此本文詳細(xì)敘述了Lasso、Adaptive Lasso、Relaxed Lasso三種方法的相關(guān)理論，比較了他們的優(yōu)缺點(diǎn)，并從Lasso類方法的算法實(shí)現(xiàn)、調(diào)整參數(shù)選擇兩方面做了系統(tǒng)的闡述。在實(shí)證研究中，借助R語(yǔ)言編程，設(shè)計(jì)了如何用Lasso類方法構(gòu)建跟蹤組合，并以滬深300指數(shù)為跟蹤目標(biāo)，對(duì)2012年到2014年522個(gè)交易日數(shù)據(jù)進(jìn)行建模，最后從樣本外區(qū)間和樣本內(nèi)區(qū)間對(duì)跟蹤效果進(jìn)行了評(píng)價(jià)。 實(shí)證結(jié)果顯示：(1)從整體看，采用Lasso類方法構(gòu)建的股票組合均取得了不錯(cuò)的跟蹤效果；(2)成分股越多跟蹤效果越好，但考慮交易成本與維護(hù)成本等，股票數(shù)量不易過(guò)多；(3)在Lasso、Adaptive Lasso與Relaxed Lasso三種方法中，Adaptive Lasso在指數(shù)跟蹤問(wèn)題中有明顯的優(yōu)勢(shì)，首先從權(quán)重系數(shù)方面看，，Adaptive Lasso方法得出的權(quán)重分布無(wú)明顯的集中趨勢(shì)，相對(duì)比較均勻，其次從跟蹤誤差方面看，Adaptive Lasso方法無(wú)論在樣本內(nèi)還是樣本外，無(wú)論是30只股票還是100只股票，都取得了三種方法中最好的跟蹤效果；(4)從金融角度來(lái)看，用小規(guī)模證券跟蹤模擬指數(shù)走勢(shì)具有很強(qiáng)的不穩(wěn)定性，但Adaptive Lasso構(gòu)建的30只股票，系數(shù)權(quán)重分布較均勻，且考慮到交易費(fèi)用低等因素，對(duì)于小型投資者來(lái)說(shuō)，當(dāng)證券市場(chǎng)較為穩(wěn)定時(shí)，是值得一試的；(5)AdaptiveLasso短期至中期的預(yù)測(cè)效果較好，但長(zhǎng)期預(yù)測(cè)失效，建議樣本外區(qū)間不要超過(guò)150天。
【關(guān)鍵詞】：Lasso方法 Adaptive Lasso方法 Relaxed Lasso方法 指數(shù)跟蹤 滬深300指數(shù)
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.51
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 前言8-12
• 第1章 股票指數(shù)跟蹤概述12-20
• 1.1 股票指數(shù)的基本概念12-13
• 1.2 指數(shù)化投資的發(fā)展13-14
• 1.3 指數(shù)跟蹤概述14-20
• 1.3.1 指數(shù)跟蹤問(wèn)題描述14
• 1.3.2 跟蹤效果衡量指標(biāo)14-16
• 1.3.2.1 跟蹤誤差14-15
• 1.3.2.2 相關(guān)系數(shù)15-16
• 1.3.3 指數(shù)跟蹤方法16-20
• 1.3.3.1 完全復(fù)制法16
• 1.3.3.2 抽樣復(fù)制法16-17
• 1.3.3.3 優(yōu)化復(fù)制法17-20
• 第2章 Lasso 及其相關(guān)方法介紹20-26
• 2.1 模型回顧20-21
• 2.2 Lasso 方法21-22
• 2.3 Adaptive Lasso 方法22-23
• 2.4 Relaxed Lasso 方法23
• 2.5 其它壓縮類方法23-25
• 2.6 Lasso 類方法小結(jié)25-26
• 第3章 Lasso 類方法的算法實(shí)現(xiàn)26-30
• 3.1 LARS26-27
• 3.2 LQA27-28
• 3.3 LLA28-30
• 第4章 調(diào)整參數(shù)的選擇30-32
• 4.1 K 折交叉驗(yàn)證法（K-fold Cross Validation，CV）30
• 4.2 廣義交叉驗(yàn)證（Generalized Cross Validation，GCV）30-31
• 4.3 BIC31-32
• 第5章 滬深 300 指數(shù)跟蹤實(shí)證分析32-42
• 5.1 Lasso 類方法構(gòu)建跟蹤組合32-33
• 5.2 跟蹤效果衡量指標(biāo)33
• 5.3 樣本數(shù)據(jù)選取33-38
• 5.3.1 Lasso 方法構(gòu)建跟蹤組合33-35
• 5.3.2 Adaptive Lasso 方法構(gòu)建跟蹤組合35-36
• 5.3.3 Relaxed Lasso 方法構(gòu)建跟蹤組合36-38
• 5.4 跟蹤結(jié)果分析38-42
• 第6章 總結(jié)與展望42-44
• 參考文獻(xiàn)44-46
• 攻讀碩士期間發(fā)表論文情況46-48
• 致謝48

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 楊國(guó)梁;趙社濤;徐成賢;;基于支持向量機(jī)的金融市場(chǎng)指數(shù)追蹤技術(shù)研究[J];國(guó)際金融研究;2009年10期

2 陳辰,范龍振,葉鋒;指數(shù)證券組合模擬市場(chǎng)指數(shù)的聚類和MTV方法[J];管理工程學(xué)報(bào);2001年04期

3 嚴(yán)武,洪道麟;我國(guó)指數(shù)基金運(yùn)作與績(jī)效研究[J];統(tǒng)計(jì)研究;2000年12期

4 崔靜;郭鵬江;夏志明;;自適應(yīng)Lasso在Poisson對(duì)數(shù)線性回歸模型下的性質(zhì)[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

5 倪蘇云,吳沖鋒;跟蹤誤差最小化的線性規(guī)劃模型[J];系統(tǒng)工程理論方法應(yīng)用;2001年03期

6 李儉富;馬永開;;基于證券價(jià)格時(shí)間序列的協(xié)整優(yōu)化指數(shù)跟蹤方法研究[J];系統(tǒng)工程理論與實(shí)踐;2006年11期

7 劉磊;;基于遺傳神經(jīng)網(wǎng)絡(luò)的指數(shù)跟蹤優(yōu)化方法[J];系統(tǒng)工程理論與實(shí)踐;2010年01期

8 王占鋒;吳耀華;趙林城;;刪失回歸模型中一個(gè)LASSO型變量選擇和估計(jì)方法(英文)[J];應(yīng)用概率統(tǒng)計(jì);2010年01期

9 閆麗娜;覃婷;王彤;;LASSO方法在Cox回歸模型中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年01期

  本文關(guān)鍵詞：基于Lasso類方法的指數(shù)跟蹤問(wèn)題研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：306952