指数跟踪的主成分因子模型

发布时间：2020-05-30 16:43

【摘要】：指数跟踪是较为常见的被动投资管理方法之一,持续受到投资者和学者们的关注。但由于大多数投资者们的资金限制,其希望尽量减少所构建的投资组合中成分股的个数,近年来较为常用的方法是将势约束加入到均值平方模型上。然而,当样本量较少并且市场微观结构发生较大变化时,该模型的求解精度有待提高。我们希望可以因子模型的思想,将模型由直接跟踪指数收益率转换为跟踪在各个有效因子上的风险暴露系数来间接跟踪指数收益率,常见的因子模型有单因子模型、Fama-French三因子模型、五因子模型等。但对于传统的因子模型,由于每个因子在金融市场中的实际意义,其应用难点在于计算所有的因子。为了克服这一难点,本文通过主成分分析法提取影响各资产收益率的有效因子,并计算每种资产在这些有效因子上的风险暴露。在数值实验部分比较模型的求解精度,首先将带势约束的主成分因子-均值平方模型改写为混合整数规划模型,并采用分支定界法求解,我们选取OR-Library数据库中的指数跟踪测试数据,实验结果表明主成分因子-均值平方模型比均值平方模型具有更高的精度。但是当我们将分支定界法用于求解成分股较多的指数跟踪问题时,时间成本非常大,因此,我们将模型进一步改写为多块目标函数极小化问题,并且通过指示函数以及加入人工变量,得到两个二次罚子问题,进而,我们利用邻近交替线性极小化方法交替地求解两个投影子问题,实验结果表明,主成分因子-均值平方模型的求解时间得到大幅度的提升。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.51

【参考文献】

相关博士学位论文 前1条

1 李俭富;基于我国证券市场的指数跟踪管理方法及应用研究[D];电子科技大学;2006年

相关硕士学位论文 前9条

1 程洋;指数投资与跟踪复制的实证研究[D];南京大学;2017年

2 陈佩;主成分分析法研究及其在特征提取中的应用[D];陕西师范大学;2014年

3 徐贝;解带势约束投资组合优化问题的光滑化方法[D];大连理工大学;2014年

4 王昭栋;多因子选股模型在中国股票市场的实证分析[D];山东大学;2014年

5 孙晶;基于跟踪误差的指数化投资组合研究[D];东北大学;2012年

6 陈杰;基于指数跟踪的投资组合优化模型及实证分析[D];复旦大学;2012年

7 周全;几种多元统计分析方法及其在生活中的应用[D];长江大学;2012年

8 范旭东;跟踪误差与优化指数投资策略[D];西南财经大学;2006年

9 张鹏;基于主成分分析的综合评价研究[D];南京理工大学;2004年

，

本文编号：2688419