文献类型：期刊文章

作　　者：李宁[1] 涂静雯[2]

LI Ning;TU Jing-wen(School of Artificial Intelligence and Big Data,Hefei University,Hefei Anhui 230601;School of Mathematics and Big Data,Chongqing University of Science and Technology,Chongqing 401331)

机构地区：[1]合肥学院人工智能与大数据学院,安徽合肥230601 [2]重庆科技学院数理与大数据学院,重庆401331

出　　处：《巢湖学院学报》

基　　金：合肥学院人才科研基金项目(项目编号:20RC20);安徽省自然科学基金项目(项目编号:2108085QA16);安徽省高校自然科学研究重点项目(项目编号:KJ2021A0997)。

年　　份：2023

卷　　号：25

期　　号：3

起止页码：49-55

语　　种：中文

收录情况：NSSD、普通刊

摘　　要：当目标指数包含大量成分股时,通常需要构造由少数成分股组成的稀疏组合来控制交易成本。然而,关于稀疏指数追踪的相关文献主要集中于禁止做空约束下的Lasso类估计方法。但是,Lasso类估计方法通常对大系数的惩罚过度,继而产生较大的估计偏差。桥估计是Lasso估计的推广,特别是当调节参数小于1时,其可以同时进行参数估计和变量选择。为此,引入桥估计替代Lasso估计来获取稀疏投资组合,从而实现同时进行股票选择和资本配置的指数追踪。为了更加适应股票数据的多重共线性,考虑在回归方程中引入L2罚项来增加所提方法的光滑性。模拟仿真表明所提方法相较于Lasso类估计方法在参数估计和变量选择方面表现得更好。最后,通过对上证50指数和标普500指数的追踪验证了所提方法的优越性。

关 键 词：桥估计  指数追踪  稀疏组合  股票选择 资产配置

分 类 号：O212.1]