浙商证券-人工智能：次优理论下的货币基金收益增强组合配置-191023

《浙商证券-人工智能：次优理论下的货币基金收益增强组合配置-191023（7页）.pdf》由会员分享，可在线阅读，更多相关《浙商证券-人工智能：次优理论下的货币基金收益增强组合配置-191023（7页）.pdf（7页精品完整版）》请在悟空智库报告文库上搜索。

　　◆研究背景
　　货币基金一般投入现金定存以及高信用评等的短期票券，因此具有高安全性、高流动性、稳定收益性。然而，近年来货基收益下降，且互联网平台FOF组合兴起，如何才能既保留货币基金低回撤低风险的特性，又获得相对货币基金的超额收益成为广大投资者关注的焦点。本文应用了研报《次优理论下的组合配置与策略构建——人工智能再出发》中的次优理论及差分进化算法，以组合最大回撤最小化为优化目标，在控制回撤风险的前提下构建了货币基金收益增强组合。本文应用的模型算法不仅对FOF组合构建具备指导意义，对股票投资建模、互联网平台的智能投顾也具备一定的参考价值。
　　◆次优战胜最优
　　作者在长期建模的经验中斗胆提出金融次优理论，其实金融没有次优理论，运筹学也没有，只有福利经济学中有过次优理论的描述，文中提出的次优理论和经济学中的次优理论有一点类似，我们把这个概念借来。其实很简单：当期优化的最优解不一定是下一期的最优，而样本内的次优在样本外可能战胜样本内的最优。所以，从金融投资角度看，优化问题下的最优解不一定是我们想要的，因为我们的目标是获得较好的样本外收益表现。
　　◆差分进化算法
　　差分进化Differential  Evolution（DE）由Storn等人于1995年提出，和其它演化算法一样，DE是一种模拟生物进化的随机模型，通过反复迭代，使得那些适应环境的个体被保存了下来。但相比于遗传算法，DE保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，降低了遗传操作的复杂性。同时，DE特有的记忆能力使其可以动态跟踪当前的搜索情况，以调整其搜索策略，具有较强的全局收敛能力和稳健性，且不需要借助问题的特征信息，适于求解一些利用常规的数学规划方法所无法求解的复杂优化问题。
　　◆组合构建与回测
　　随机选取规模较大的货币基金、短债、一级债基来构建货币基金收益增强组合，结果显示，该组合年化收益4%以上，且可以做到年度调仓，近两年来最大回撤在0.2%以下，基本满足货币基金收益增强的需求。