哪些变量提供了有关未来收益横截面的独立信息？ 当候选变量的数量很大并且交叉项可能很重要时，投资组合排序和 Fama-MacBeth 回归不能轻易回答这个问题。 我们介绍了一种基于机器学习文献中可以在这种情况下使用的思想的新方法。 将该方法应用于基于过去回报的未来回报预测，短期回报成为最重要的预测因素。 基于我们的研究结果的交易策略的信息比率是考虑双向交互的 Fama-MacBeth 回归的两倍。 交易成本并不能解释结果。
2022-11-07 22:52:43
2.14MB
1
本文应用的动态优化投资组合模型是在VaR的约束下，调整投资组合的配置，使期望收益达到最大。基于投资组合中每一种资产的收益率序列，模型在不断变化的数据窗口下，首先估计模型参数，然后求解优化模型，得到每日投资组合中风险资产在VAR约束下的最优配置和借贷比率。这种方法对构筑新的风险资产投资组合的决策，以及对已有投资组合中资产配置的优化具有重要的指导意义。选取中国A股市场的4只股票，在收益率服从正态分布的假定下，确定投资组合中的资产配置以及借贷比率，并且讨论了模型参数的敏感性。
2022-11-07 15:05:42
253KB
1
mean variance
2022-11-06 12:03:31
108KB
1
应用马科维茨投资组合理论分配投资比例的matlab程序
2022-10-24 23:08:54
6KB
1