搜索到225篇“ 股票投资组合“的相关文章
基于深度确定性策略梯度算法的股票投资组合策略研究
2025年
为构建更加全面有效的投资组合,采用了深度确定性策略梯度算法,并在奖励函数中引入了风险衡量指标索提诺比率来实现风险与收益之间的权衡.除基本的股票数据外还将股票市场中的技术指标作为状态的输入,以捕捉股票市场的主要趋势.经数据检验,与其他强化学习算法对比,改进奖励函数的DDPG算法能够在控制风险的同时得到较高收益,有效地实现了风险的分散和投资组合的稳健性.
董小刚韩元元秦喜文
关键词:股票投资组合
一种基于SVM决策的强化学习股票投资组合构建方法
本发明公开了一种基于SVM决策的强化学习股票投资组合构建方法,属于金融量化分析技术领域。本发明使用SVM来区分代表积极和保守两种不同风格的历史投资组合模式,并获得偏好中性的分类边界,通过计算投资组合向量和分类边界之间的距...
陈钢孔海春熊哲立宋卫卫
基于低关联度的股票投资组合构建方法及系统
本发明提供了一种基于低关联度的股票投资组合构建方法,包括以下步骤:步骤S1:机器学习提取股票股价的时序特征;图神经网络结合双层注意力机制提取股票关系的关系特征;步骤S2:利用全连接层计算回报率;步骤S3:根据回报率和关联...
傅魁王晶张砚斌
基于多种群协同自适应差分进化的股票投资组合优化方法
本发明公开了一种基于多种群协同自适应差分进化的股票投资组合优化方法,属于计算机技术领域,其通过均值‑标准差公式处理预选股票的日收盘价,得到每支预选股票的样本时间序列;采用基于动态时间规整的模糊均值聚类算法,对每支预选股票...
宋英杰赵高阳张斌徐远
基于Prophet-DCC-GARCH组合模型的国债与股票投资组合VaR估计
2024年
随着经济社会的发展,经济周期波动、市场不确定性加剧,风险值(VaR)的预测迫在眉睫。文章采用风险型的科技股票比亚迪和稳健型的国债的收盘数据,以DCC-GARCH模型为基础,引入Prophet模型,更改DCC-GARCH模型的均值项,考虑节假日、特殊事件和年周期性、周周期性,构建了Prophet-DCC-GARCH组合模型。该组合模型的预测误差(RMSE)为:比亚迪3.044 959×10^(-4),国债7.760 821×10^(-6)。采用计量经济学方法计算VaR,在置信度为0.95%时,2个头寸的联合风险值为:DCC-GARCH模型0.038 8,Prophet-DCC-GARCH组合模型0.037 0。组合模型中,Prophet模型提取了潜在风险影响因素,所以风险值明显要小。在对多个头寸的风险值进行预测时,考虑其中潜在的影响因素,可以更好地提供VaR预测值,进而为投资者提供更可靠的建议。
顾邹伟彭悦珂申敏
关键词:投资组合PROPHETDCC-GARCH
我国环保行业股票投资组合构建的实证研究——基于Fama-French三因子模型
2024年
本文利用Fama-French三因子模型计算2022年11月1日—2023年10月31日所有股票的三因子数据,并根据计算的三因子数据对股票的超额收益率进行OLS回归。结果显示,三因子均呈现显著正相关,但模型整体拟合优度并不高。在回归之后,选出环保行业股票的a值,对其进行排序,选出排名靠前的50只股票,利用DEA-Malmquist模型对其基本面情况进行评分,再利用熵权法对两列信息准则列进行综合评分,在50只股票中再选出排名靠前的10只股票作为投资组合成分股,利用综合评分对其赋权。结果发现,该投资组合在样本期间内的收益率远高于行业平均和沪深300指数,且在后续期间2023年11月1日—2024年1月12日仍有相对较高的收益率,但投资组合收益率波动较大。
曹洋
关键词:FAMA-FRENCH三因子模型环保行业熵权法股票投资组合
基于深度强化学习的股票投资组合策略研究
魏子强
股票投资组合的风险价值度VaR度量与实证分析——基于GARCH模型
2024年
本文从所选股票2018年8月20日至2023年5月30日的日收益率出发,通过收益率分析及投资边界确定,得出最优投资组合。并以此为基础,利用MATLAB的金融工具分析箱并结合经济统计与计量经济学,建立GARCH模型,对最优投资组合进行建模与预测并进行稳定性检验。结果显示,GARCH模型可以较好地拟合样本数据的对数收益率;从短期来看,模型也有较好的预测效果。
刘欣鑫
关键词:时间序列分析GARCH模型MATLAB
基于深度确定性策略梯度的股票投资组合研究
随着股票市场的蓬勃发展,投资者对股票投资的研究日益深入,深度强化学习的兴起为股票交易领域带来了崭新的机遇。在处理庞大复杂的股票数据方面,深度强化学习展现出显著的优势。本文基于深度确定性策略梯度(DDPG)算法,将其优势应...
韩元元
关键词:投资组合优化
基于马科维茨模型下的股票投资组合研究——以A股市场股票为例
2024年
本文通过东方财富选取A股市场五个板块的五只股票,分别是计算机软件行业的科大讯飞(002230)、电力行业的长江电力(600900)、饮料行业的五粮液(000858)、基本金属行业的中国铝业(601600)、贸易行业的中国中免(601888),提取五只股票2024年1月2日到3月28日的每日收盘价数据,建立马科维茨模型(均值–方差模型),通过均值、标准差、方差、协方差等有效信息,计算出权重、最小方差组合,以股票投资组合收益率最大为目标,分散所选择股票组合投资风险,根据不同的投资者风险厌恶类型,最终确定最优投资组合。得出结论,股票长江电力的投资应占比最多,而股票中国铝业的投资比例应最少。In this paper, five stocks in five sectors of the A-share market are selected by Oriental Wealth, namely IFlytek (002230) in the computer software industry, Yangtze Electric Power (600900) in the power industry, Wuliangye (000858) in the beverage industry, Aluminum Corporation of China (601600) in the base metal industry, and China Free (601888) in the trade industry. The daily closing price data of five stocks from January 2 to March 28, 2024 was extracted, the Markowitz model (mean-variance model) was established, and the weight and minimum square were calculated through the effective information such as mean, standard deviation, variance and covariance poor portfolio, aiming at the maximum return rate of the stock portfolio, the investment risk of the selected stock portfolio was spread, and finally, the optimal investment portfolio was determined according to different risk aversion types of investors. It is concluded that the investment of Yangtze Power should be the most, while the investment of Chinalco should be the least.
蔡冰冰谭理陈芳
关键词:马科维茨模型投资组合

相关作者

李冰娜
作品数:6被引量:11H指数:2
供职机构:东北大学秦皇岛分校经济学院
研究主题:股票投资组合 金融 相关噪声 股票 蒙特卡洛模拟
惠晓峰
作品数:193被引量:963H指数:14
供职机构:哈尔滨工业大学经济与管理学院
研究主题:延安时期 实证研究 实证分析 人民币汇率 中国共产党
侯广林
作品数:3被引量:0H指数:0
供职机构:宁夏职业技术学院
研究主题:遗传算法 股票投资组合 模拟退火算法 粒子群算法 资产组合
许星剑
作品数:3被引量:18H指数:2
供职机构:哈尔滨工业大学
研究主题:股票投资组合 博弈模型 博弈分析 营销渠道 营销
夏婧
作品数:11被引量:20H指数:3
供职机构:武汉职业技术学院
研究主题:层次分析法 高职数学 最近发展区 股票投资组合 投资组合