论文部分内容阅读
由于绝大多数主动型投资基金无法实现超过基准指数的投资收益,且被动型投资基金具有较低的管理费用与成本,所以,被动型投资基金或许是一个很好的投资选择。一般来说,被动型投资基金的目标是跟踪一个基准指数,其跟踪效果是基金好坏的衡量标准。对于被动型投资资金的基金经理来说,如何在保证跟踪效果的基础上使用更低的成本构建投资组合,是一个关键问题。 本文使用三种不同的算法来构建复制组合,并比较不同算法下指数的跟踪效果。第一种方法为分层市值法,该方法根据股票的市值大小来进行选股。第二种方法为基于支持向量机的方法,这是一种机器学习的方法,该方法通过一些指标或因子对股票进行分类。第三种方法为IWO(Invasive Weed Optimization)算法,该方法是一个随机搜索算法。 除此之外,本文尝试使用高频数据。使用高频数据主要有三个优点。第一,高频数据能够增大优化计算时的数据量,避免部分离群值对优化结果的影响。第二,短期高频数据具有足够大的数据量,从而可以增大股票备选池。第三,使用高频数据能够考虑更多短期的动量因素。 本文以沪深300和中证500作为研究对象,通过使用跟踪误差和平均换手率作为算法优劣的衡量指标,本文认为,在沪深300指数复制中,应该选择分层市值法;在中证500指数复制中,应该选择SVM方法。