国泰君安
本报告导读:
本文介绍了一种集成了机器学习预测和风险偏好调整的投资组合优化框架,用于在多。 个周期内对投资组合进行调整和平衡,获得长期稳定的收益。
随着机器学习技术的发展,量化交易和投资组合优化等量化金融领域中越来越多地出现了机器学习算法的身影。
《A Machine Learning Integrated PortfolioRebalance Framework with Risk-Aversion Adjustment》一文提出了一个投资组合再平衡框架,该框架将极端梯度提升(XGBoost)和逻辑回归(LR)等机器学习模型集成到具有风险规避调整的平均风险投资组合中。在每个时期,使用机器学习模型预测的市场趋势方向,以此调整风险规避系数。文中使用基尼均差(GMD)来度量投资组合的风险,并将一组从市场指数(标准普尔 500 指数)生成的技术指标输入机器学习模型以预测市场走势。本文利用滚动窗口法(rollinghorizon approach)使用真实金融数据进行了一系列计算测试,以评估集成了机器学习的投资组合再平衡框架的性能。
实证结果表明,极端梯度提升(XGBoost)模型提供了对市场走势的最佳预测,使整个优化框架生成的投资组合在长期获得了最出色的回报表现。
PDF | 1M | 14页
评论0