王舞宇 章 宁 范 丹 王 熙

一、引言

投资组合管理是一个十分复杂的非结构化决策过程，涉及金融预测、投资决策分析、组合优化等一系列过程，受到宏观经济、投资者心理、政府政策等多方面的影响(Paiva等，2019[1]；赵丹丹和丁建臣，2019[2])。随着金融市场的不断变化，市场上的金融资产信息也在发生着改变，投资者不仅要对已持有的投资组合内部资产进行调整，还需要结合市场状况来决定买进市场上的哪些资产同时卖出投资组合中的哪些资产，以实现投资效用的最大化。根据适应性市场假说理论，金融市场是一个复杂的动态系统，任何单一的优化方法都不可能永久获益，随着市场的有效性逐渐提高，一些模型的获利机会就会消失，也许在某一段时期模型A表现较好，而在另一段时期模型B表现更好，难以保证投资者的利益最大化。有效的投资组合模型应该在感知市场状态变化的同时，进行适应性的调整并采取相应的资产交易行动，以更好地服务于投资组合管理(梁天新等，2019[3])。

随着金融大数据的发展，巨大的数据量对数据存储、数据分析和计算技术都提出了更高的要求(黄乃静和于明哲，2018[4])，这无疑增加了投资组合管理相关研究的难度。传统的统计学方法并不适合用于分析复杂、高维度、具有噪音的金融市场数据序列，因为统计学分析往往基于有大量约束的条件进行建模，而且这些假设在现实生活中往往不能完全成立，所以模型结果受到了前提条件的限制(Längkvist等，2014[5])。……