由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
[正版] 机器学习在投资组合中的应用研究倪宣明书店经济企业管理出版社书籍
¥ ×1
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货)。
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
书名: | 机器学习在投资组合中的应用研究 |
作者: | 倪宣明[等]著 |
出版社: | 企业管理出版社 |
出版日期: | 2023-08-01 |
版次: | |
ISBN: | 9787516428696 |
市场价: | 72.0 |
波动率预测
4.4 基于半协方差阵进行组合投资
4.5 投资组合在A股的实证表现
4.6 本章小结
附录:本章策略代码实现
第5章 高维投资组合优化
5.1 高维协方差矩阵估计量:POET
5.2 使用RCM算法改进POET估计量
5.3 投资组合在A股的实证表现
5.4 本章小结
附录:本章策略代码实现
第6章 投资组合优化与多任务相关学习
6.1 多任务相关学习
6.2 使用多任务相关学习改进投资组合策略
6.3 投资组合在A股的实证表现
6.4 本章小结
附录:本章策略代码实现
机器学习是否提升了经典策略的表现?
参考文献
本书的主要贡献在于将投资组合的金融理论、高维高频协方差矩阵估计与预测的统计理论和各类机器算法有机结合在一起,尝试应对高频交易、高维资产的市场特征下投资组合模型应用面临的挑战。
本书可供从事金融理论、金融科技研究和量化投资的读者参考。
4.6 本章小结
本章首先对RSCOV进行分解,随后基于RCOV矩阵、P矩阵以及N矩阵实施了ERC以及非卖空的GMV的组合策略优化。样本外 的投资结果显示,含负向波动信息的下半已实现协方差N更适合作为风险分散策略中的风险衡量工具。将该矩阵作为输入的协方差矩阵时,GMV策略和ERC策略能够合理地将更多资产权重分配不利波动较小的资产上,而非按照传统意义上的双向波动进行分配。分解后的矩阵输入虽然缺失了关于资产间不同向波动的信息,但本质上仍在利用资产间波动的不一致来分散风险。
在预测方法上,使用OWE提升后的HAR-RV进行多种步长的预测,并在月度的预测步长上取到了更优的样本外表现。
这种方法除了拥有凸二次优化的好处外,还存在以下优点:如果组合内的资产大部分处于下行震荡区间,资产之间的协负向变化会占据,这时使用N矩阵进行组合优化能够减少大的损失,并保证的平均收益。根据实证结果,本章介绍的这种新型策略能够较好地适来的熊市环境,并且在面临诸如闪崩等市场条件时,这种优势将有助于共同基金和资产等投资者更快速地控制组合内各资产的风险头。同时,本章的内容还能够为未来高频投资组合策略研究提供新的方向和依据。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格