一种基于规则化方法的最优稀疏指数追踪模型设计
分类号:F224;F832.51
【部门】中央财经大学统计与数学学院 中国人民大学国际货币研究所 对外经济贸易大学统计学院
【摘要】本文将目前流行的规则化方法加入到传统指数追踪模型中,得到若干种稀疏而且稳定的资产组合,用于复制指数的收益率,并构建样本内外预测、模型一致性、资产组合稀疏性和BIC准则进行模型效果评价。基于对上证综指、沪深300指数和中证500指数的实证发现:图结构约束可以提升模型的样本外预测能力、模型一致性和资产组合稀疏性;ITM-adaL1在资产组合稀疏性上表现远好于其他模型;结合三种指数追踪,含有自适应L1罚函数以及图结构约束的指数追踪模型总体表现优于其他模型。本文的研究方法和结果对指数型基金管理公司、个人和投资机构者有较为重要的实际意义。
【关键词】规则化方法 指数追踪模型 模型一致性 变量选取 BIC准则
【基金】国家自然科学基金面上项目“货币总量转向信用总量:全球虚拟经济与实体经济背离机理与宏观政策应对”(71473279); 2013年度教育部“新世纪优秀人才支持计划”(NCET-13-1055); 中央财经大学第二批青年科研创新团队项目,中央财经大学学科建设“211”经费的资助
【所属期刊栏目】数量经济技术经济研究
文献传递