基于CNN-LSTM算法的FOF基金组合方案策划.pdf

论文题目：基于CNN-LSTM算法的FOF基金组合方案策划

:

论文类型方案策划

专业方向：金融数据分析

摘要

随着我国资本市场的不断发展，金融产品的种类也在逐渐增多，其中基金中

的基金（FOF）以其分散投资和降低风险的特性，成为近年来市场上热度比较高

的产品。随着2019年权益市场的进一步活跃，公募FOF基金的资产规模一度突

破2000亿人民币。然而进入2022年以来，公募FOF却迎来了困境，无论是整

体规模还是发行数量都出现了下滑。究其原因，一方面是整体市场走势不佳；另

一方面，当前的公募FOF基金经理在基金筛选和资产配置方面存在问题，无法

满足不同投资者的需求。因此本文采用深度学习模型和资产配置理论相结合的思

路来构建FOF组合，希望能为投资者提供新的思路。

针对当前公募FOF基金暴露出的问题，本文从筛选基金和权重配置两个方

面对方案进行了优化。筛选基金方面，为了提高基金的收益率，本文从底层资产

入手，选用CNN-LSTM模型，利用基金的收盘价、成交量等指标预测子基金未

来一月的收益率。该模型是首次被应用在基金筛选领域，相比以往研究采用的机

器学习模型体现出了更好的预测精度。在完成对子基金的有效筛选后，本方案采

用了等权重、风险平价及最小方差三种不同的资产配置策略，来对所选的50只

基金进行权重分配。最后通过相关评价指标体系，本文对比了各种方法构建的投

资组合在收益率和风险水平上的表现，并据此确定了最优的资产配置方案。

本文实证结果表明：通过CNN-LSTM模型筛选出来的基金与各个资产配置

策略结合来构建FOF产品的收益均能超越同期沪深300指数，证明了本文构建

的FOF基金组合是有效可行且具有投资参考价值的。

关键词：FOF；CNN-LSTM模型；资产配置策略；风险平价模型

Abstract

AsChinascapitalmarketscontinuetodevelop,thevarietyoffinancialproducts

isgraduallyincreasing,amongwhichFundsofFunds(FOF)havebecomeapopular

productinrecentyearsduetotheirriskdiversificationcharacteristics.Withthecapital

marketsboomin2019andthepromotionlogicofwealthmanagementsubstitution

bybanksin2021,theassetsizeofpubliclyofferedFOFfundspeakedatover200billion

RMB.However,since2022,publicFOFshaveencounteredchallenges,withboth

overallscaleandissuancenumbersdeclining.Thereasonsbehindthisincludenotonly

thegeneralmarketdownturnbutalsothefactthatcurrentpublicFOFfundmanagers

facecertainissuesinfundselectionandassetallocation,failingtomeettheneedsof

differentinvestors.Therefore,thispaperadoptsacombinationofdeeplearningmodels

andassetallocationtheoriestoconstructFOFportfolios,hopingtoprovideinvestors

withnewinsights.

Inresponsetotheproblemsexposedbycurrentpublic