吴金明 刘 钊

1(上海工程技术大学数理与统计学院 上海 201620) 2(沧州师范学院计算机科学与工程学院 河北 沧州 061001)

0 引 言

随着经济的发展,投资越来越引起国家和消费者们的重视,故成为了经济发展和生活的一部分。而基于Markowitz均值方差理论[1]的经典投资组合选择方法,存在着需要假设分布和事后预测的问题,故无法适应现在投资市场瞬息万变的发展形势和大数据时代数据的快速更迭。而源自Kelly[2]投资理论的在线投资组合选择方法,具有不假设数据分布、迭代更新的优势,可以更好地适应当下金融市场的发展趋势。

经过几十年的发展,在线投资组合选择策略体系基本形成,大体可分为五大类,分别为:基准类策略、跟随赢家类策略、跟随输家类策略、模型匹配类策略、元学习类策略[3]。其中最具有代表性的一类策略就是跟随输家策略,体现的是一种“追跌杀涨”的投资理念,又因为其通过捕捉并利用投资市场中的反转现象而获取收益,也被称为反转类策略[4]。此外,学者们对策略相关的交易成本[5-6]、边信息[7]、集成方法[8]等问题也进行了广泛研究。

现有的反转类策略[9-13]在一些公开数据集上取得了较好的表现,但是仍然存在一些不足。主要体现在以下两个方面:(1) 多数策略使用了静态模型,没有充分考虑金融市场的非平稳特征[14-15];(2) 多数策略仅利用了市场的反转效应,却很少结合动量效应来挖掘市场的潜力。

针对这两个问题,本文将动态移动平均模型与……