基于市场动态与资产特征的在线投资组合选择学习方法研究.pdf

学校代码：11078学号：2112164131

广州大学硕士学位论文

基于市场动态与资产特征的在线

投资组合选择学习方法研究

ResearchonOnlinePortfolio

SelectionLearningMethods

BasedonMarketDynamicsand

AssetCharacteristics

赖飞同

统计学

学科专业：______________________

机器学习

研究方向：______________________

2024年5月21日

论文答辩日期：______________________

指导教师（签名）：______________________

答辩委员会主席（签名）：______________________

答辩委员会委员（签名）：______________________

______________________

______________________

______________________

摘要

摘要

投资组合选择指投资者根据投资目标与风险偏好，在不同资产中分配资金，以达

到投资收益与风险平衡的目的。近年来，研究人员将机器学习技术应用于在线投资组

合选择中，旨在通过大数据技术提升投资组合管理的效率与有效性。然而，传统的在

线投资组合选择算法通常采用固定的标准和方法做出投资决策，却忽略了市场整体动

态变化的影响。此外，这些算法通常依赖于带有主观意向的指标或策略的规则性应

用，在有效捕捉历史价格数据的非线性变动上存在一定挑战。因此，本文以市场整体

的动态变化与非线性金融波动的捕捉为研究切入点，提出了三种新型的在线投资组合

选择学习方法，旨在使求解所得的投资组合同时具备良好的盈利与风险规避能力。本

文主要讨论内容包括：

第一，在峰值价格追踪算法的基础上，本文提出了一种新型的投资潜力追踪学习

系统（ANovelInvestmentPotentialTracking-BasedLearningSystem,IPT），旨在追踪

更多的资产信息与市场整体的动态变化。首先，IPT系统提出了一个资产信息模型，

在峰值价格追踪算法的基础上追踪了更多的资产历史信息，并将市场的整体波动纳入

考量。其次，结合动量效应与反转效应，IPT系统设计了一种综合考虑近期趋势、反

转潜力与历史风险的三态策略选择算法，以计算资产的投资潜力得分。第三，IPT系

统在交易开始前对初始投资组合向量进行了预训练，以整合更多的历史交易信息。最

后，IPT系统通过梯度投影方法获取每期的资产配置比例。通过实证分析和统计检验，

本文验证了IPT系统在资产配置中平衡收益与风险的能力。

第二，在IPT系统的基础上，本文进一步提出了一种基于序信息的在线自适应

资产跟踪算法（OnlineAdaptiveAssetTrackingAlgorithmwithOrdinalInformation,

OAAT），为算法中的参数选择提供了更好的解决方案。首先，OAAT算法提出了一

个基于市场动态参数的自适应资产信息模型，旨在实时捕捉市场