文献类型：期刊文章

作　　者：武守宇[1,2] 兰万里[3] 房勇[1,2]

WU Shou-yu;LAN Wan-li;FANG Yong(Academy of Mathematics and Systems Science,Chinese Academy of Sciences,Beijing 100190,China;School of Economics and Management,University of Chinese Academy of Sciences,Beijing 100190,China;College of Extended Learning,Beijing University of Chemical Technology,Beijing 100029,China)

机构地区：[1]中国科学院数学与系统科学研究院,北京100190 [2]中国科学院大学经济与管理学院,北京100190 [3]北京化工大学继续教育学院,北京100029

出　　处：《数学的实践与认识》

年　　份：2023

卷　　号：53

期　　号：11

起止页码：59-74

语　　种：中文

收录情况：RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：大类资产配置策略为资金相对庞大的机构投资者提供了一个有效获取稳健收益的手段,通过因子收益分布及相关性的预测能更好地进行大类资产配置.将大类资产因子配置的思想与机器学习算法预测有机结合,首先筛选宏观因子及风格因子,利用长短记忆神经网络(LSTM)方法预测组合收益,得到最优因子组合;然后结合最优因子组合中蕴含的信息,修正对资产预期收益率的估计并提出了大类资产的权重配置方案.通过在全球18种大类资产上进行的算例分析表明,采用本文模型得到的配置策略相较于其它模型有更高的收益风险比、较低的年化波动以及较小的最大回撤.研究结论可为机构投资者的大类资产配置提供理论借鉴.

关 键 词：资产配置 多因子模型  LSTM神经网络  

分 类 号：TP183] F830]