資產(chǎn)證券化作為現(xiàn)代金融市場上融資者獲得資金的重要融資渠道和進行金融風險管理的全新手段與工具,資產(chǎn)證券化近年來受關注度的不斷增加,其市場規(guī)模不斷擴大且產(chǎn)品類型日益豐富,在推動經(jīng)濟結構優(yōu)化升級和服務實體經(jīng)濟等方面發(fā)揮著越來越重要的作用。我國資產(chǎn)證券化市場已進入建設發(fā)展階段的關鍵時期,對產(chǎn)品進行創(chuàng)新成為必然趨勢。在我國證券市場的逐步成熟的同時,大數(shù)據(jù)、云計算、人工智能(AI,Articial Intelligence)等為代表的新一代信息技術也迅猛發(fā)展�；谌斯ぶ悄艿牧炕顿Y方法借助計算機所擁有的強大算力可以實現(xiàn)對整個市場的跟蹤監(jiān)測,及時發(fā)現(xiàn)市場中潛在的交易機會并給予精準評價,有效減少因情緒波動等因素給交易決策帶來的不利影響,并且能夠與其他人工投資策略形成一定的負相關性并以此豐富投資策略組合,正是因為人工智能量化投資所具有的這些特點與優(yōu)勢,將其引入金融行業(yè)領域恰逢其時。在此背景下,本文將人工智能量化投資引入資產(chǎn)證券化,研究和探討最優(yōu)投資組合方案。首先,本文第一章和第二章對資產(chǎn)證券化與人工智能的關系進行闡述,分析中美資產(chǎn)證券化差異,探討當前人工智能在國內(nèi)資產(chǎn)證券化產(chǎn)品投資組合中的應用情況。其次...

【文章頁數(shù)】：194 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及研究意義
        1.1.1 資產(chǎn)證券化
        1.1.2 資產(chǎn)證券化的國內(nèi)外研究現(xiàn)狀
        1.1.3 人工智能的引入
        1.1.4 理論意義與現(xiàn)實意義
    1.2 研究對象及概念的界定與作用
        1.2.1 資產(chǎn)證券化的內(nèi)涵與作用
        1.2.2 量化投資的內(nèi)涵與作用
        1.2.3 投資組合績效及標準
        1.2.4 人工智能的概念與作用
    1.3 研究路徑與研究方法
        1.3.1 主要研究內(nèi)容
        1.3.2 主要的研究方法
        1.3.3 本文的主要創(chuàng)新點與文章結構
    1.4 本章小結
第二章 投資組合理論機制與人工智能的應用前景
    2.1 資產(chǎn)證券化整體與細分領域的研究情況
        2.1.1 資產(chǎn)證券化的內(nèi)容及定義
        2.1.2 資產(chǎn)證券化與風險管理
    2.2 人工智能背景下資產(chǎn)證券化的相關研究現(xiàn)狀
        2.2.1 人工智能在資產(chǎn)證券化中應用
        2.2.2 人工智能的應用現(xiàn)狀及在金融行業(yè)的應用發(fā)展
        2.2.3 人工智能在資產(chǎn)證券化投資組合的應用
        2.2.4 人工智能在資產(chǎn)組合中的優(yōu)化研究現(xiàn)狀
    2.3 資產(chǎn)證券化的市場發(fā)展現(xiàn)狀
        2.3.1 美國資產(chǎn)證券化市場的發(fā)展
        2.3.2 我國資產(chǎn)證券化市場發(fā)展
        2.3.3 中美資產(chǎn)證券化的差異
    2.4 本章小結
第三章 理想收益率下資產(chǎn)證券化投資組合研究
    3.1 中國市場資產(chǎn)證券化交易規(guī)定
        3.1.1 資產(chǎn)證券化交易機構
        3.1.2 資產(chǎn)證券化交易費用研究
        3.1.3 資產(chǎn)證券化投資稅費研究
        3.1.4 資產(chǎn)證券化產(chǎn)品投資約束
    3.2 資產(chǎn)證券化理想收益率模型
        3.2.1 場景假設與市場調(diào)研
        3.2.2 測試數(shù)據(jù)的可視化分析
        3.2.3 理想收益率下交易流程的構建
        3.2.4 理想收益率下的計算邏輯設置
        3.2.5 算法實現(xiàn)
    3.3 實證分析與討論
        3.3.1 不同視角的量化分析
        3.3.2 結果討論與分析
    3.4 本章小結
第四章 人工智能視域下的資產(chǎn)證券化投資組合預測
    4.1 資產(chǎn)證券化研究中人工智能的模型選取
    4.2 資產(chǎn)證券化實驗中人工智能模型的數(shù)學基礎及優(yōu)點
        4.2.1 Lasso回歸數(shù)學基礎
        4.2.2 嶺回歸數(shù)學基礎
        4.2.3 XGBoost數(shù)學基礎
        4.2.4 LightGBM數(shù)學基礎
        4.2.5 神經(jīng)網(wǎng)絡數(shù)學基礎
        4.2.6 SVM數(shù)學基礎
    4.3 人工智能模型的實證分析
        4.3.1 量化實驗環(huán)境與數(shù)據(jù)
        4.3.2 核心程序的構建與實現(xiàn)
        4.3.3 人工智能模型的量化結果
        4.3.4 不同投資視角下的模型表現(xiàn)
    4.4 人工智能模型的Dis指標與分析
        4.4.1 Dis測評指標的構建
        4.4.2 不同視角下各人工智能模型的Dis值分析
    4.5 本章小結
第五章 人工智能視域下資產(chǎn)證券化投資組合優(yōu)化
    5.1 傳統(tǒng)優(yōu)化方法
        5.1.1 基于梯度下降法
        5.1.2 復變量法
        5.1.3 自動微分法
    5.2 現(xiàn)代優(yōu)化方法
        5.2.1 粒子群算法
        5.2.2 遺傳算法
    5.3 基于遺傳算法的投資組合優(yōu)化
        5.3.1 投資組合評價模型的構建
        5.3.2 投資組合優(yōu)化
    5.4 本章小結
總結和展望
參考文獻
在讀期間科研成果
致謝



本文編號：3806553