开放式股票型基金的仓位预测研究.docVIP

开放式股票型基金的仓位预测研究 　　【摘要】公募基金仓位是机构投资者对市场的预期，也是投资者判断后市走向的指标，其增减仓动作一直受到投资者的高度关注。本文在比较各种仓位预测方法后选择基于数据挖掘的BP神经网络作为建模方法，收集华夏基金年报仓位数据，利用数据挖掘技术分析选择出相关性最优的变量，在MATLAB中设计优化出基金仓位预测模型，简化网络结构，提高预测精度，并证明了神经网络在投资风格预测中的有效性和普适性。 　　【关键词】基金仓位；神经网络；投资风格 　　一、引言 　　公募基金行业作为我国迅猛发展的金融理财行业，规模不断扩大，投资者队伍迅速壮大。基金仓位反映市场信心，可以作为投资者判断后市走向的重要指标。对基金仓位的预测一直是学术界和投资者感兴趣的问题之一，具有实际应用价值。对于关于基金仓位预测模型的研究，目前国内还局限于传统线性回归方法，前提假设过于苛刻，忽略了很多影响仓位的动态因素，造成无法容忍的误差。目前公募基金的仓位数据仅在每年发布的定期报告中有所体现，但是按照年报频率公布的基金仓位并不能作为一个连续的后市预期指标，我们希望能够得到即时基金仓位，帮助投资者规避风险。本文运用神经网络建立仓位预测模型，利用现有基金市场行为的样本，从中自主寻找规律逼近复杂的仓位走势曲线，达到更好的预期效果。 　　二、基金仓位预测方法综述 　　目前，关于基金仓位预测的方法主要包括以