1 / 88
文档名称:

基于数据挖掘的指数化投资组合优化的比较研究.pdf

格式:pdf   页数:88
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

基于数据挖掘的指数化投资组合优化的比较研究.pdf

上传人:banana 2014/3/12 文件大小:0 KB

下载得到文件列表

基于数据挖掘的指数化投资组合优化的比较研究.pdf

文档介绍

文档介绍:河北经贸大学硕士学位论文基于数据挖掘的指数化投资组合优化的比较研究Ю妒坌珏学校代码:中国分类号:密级:指导教师:封文丽教授论文完成日期:年作者姓名:武金存学科专业名称:金融学

眦帆捻嗽矾论文作者┟:试金信论毫作者;签名菏媒瘃C艿难宦畚脑凇!D杲饷芎笫视帽臼谌ㄊ、,矿晔挛H誶\年‘月弘日学位论文版权使用授权书学位论文独创性声明加,/年∥月如日砂矿年录尤本人所提交的学位论文《基于数据挖掘的指数化投资组合优化的比较研究》,是在导师的指导下,独立进行研究工作所取得的原创性成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体,均已在文中标明。本声明的法律后果由本人承担。指导教师┟:本学位论文作者完全了解河北经贸大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘,允许论文被查阅和借阅。本人授权河北经贸大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或其它复制手段保存、汇编学位论文。

摘要在介绍国内外指数化投资优化的文献基础上,发现在海量的历史数据信息中找到更有用和有效的指数跟踪信息和模式,成为指数化投资研究的新方向。如何解决“丰富的数据与贫乏的知识’’间的矛盾,数据挖掘成为解决这个问题的新的突破点。数据挖掘是从大量的、不完全的、有噪音的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道、但又是潜在有用的信息和知识的过程,进而对数据进行深层次的处理。因此论文提出基于数据挖掘的种甘蹲视呕椒āT谥甘蹲恃芯苛煊蛞胧据挖掘的相关理论方法,一方面可以为投资决策提供重要的创新解决手段,另一方面,也为数据挖掘的研究与应用开辟一个新的领域。因此,从定量分析的角度利用数据挖掘的有关理论及方法,对指数化投资方法在我国资本市场的适用性及系统深入的研究具有重要的理论意义与学术价值。指数化投资是一种被动投资策略,其最初的思想来自于学术界“持有市场投资组合’’的论点,是通过复制和跟踪某个基准指数袢∈谐∑骄找娴囊恢滞资组合。它不仅没有积极基金管理的超额风险,而且没有时机选择的限制,因此,随着我国证券市场的发展深化,指数化构造方法作为指数化投资研究的主要形式,越来越受到理论界和实务界的关注。一般地,指数化构造方法分为完全复制法、优化复制法和抽样复制法三类。由于优化复制法合理有效的构造原理,因此应用优化复制法所构造的指数投资组合的优化问题是本论文的研究重点。在指数化投资组合的优化研究实证设计和分析中,首先,根据年日到年丈现及各成分股的历史数据,在一系列约束条件龉杉卸取交易成本、资金规模、市场冲击成本、最小交易量南拗葡拢陨现只成分股为优化对象,通过最小化钟呕椒ǖ哪勘旰即跟踪误差胢迪只成分股的最优持有权重和最优持有数量的配置满足最优规划,从而在技术上构造最优的指数投资组合。其次,利用样本外数据进行跟踪基准指数能力、指数跟踪业绩指标和样本外优越性的检验和比较分析。最后,对基于数据挖掘的址椒ù硬煌副杲嵌确治指数化投资得出的结论也不一致,这也验证了数据挖掘方法不能单纯的比较孰优孰劣的关键词:数据挖掘;指数化投资;跟踪误差;投资组合结论。
,甌,琣,猘瑂.,....、琣、,,瓹,瓵,::,
篸琣瑃甋.;;籭
录目基于均值一方差的优化研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯英文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯Ⅳ弓浴ぁ薄ぁ薄ぁ薄ぁ啊ぁぁぁぁぁぁぁぁぁぁ薄璴论文的研究方法和研究思路⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯甘蹲省指数化投资理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.±⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯选题背景及研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文的研究重点及创新点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于因子模型的优化研究⋯⋯⋯⋯⋯⋯⋯⋯基于数据挖掘的优化研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.
指数化投资内涵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯指数化构造方法及选择原则⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.≡竦幕驹颉数据挖掘⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.