期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Alpha策略的量化投资研究
1
作者
王望
蔡杨
黄金萍
《科教文汇》
2019年第23期99-100,共2页
量化投资是在市场非有效或弱有效的理论基础上,通过构建数学模型来进行交易的理性投资方法,通过定量方法进行技术整合,从而增加收益的稳定性。Alpha策略是典型的对冲策略,运用指数期货或期权等风险管理工具来对冲系统性风险,进而超越指...
量化投资是在市场非有效或弱有效的理论基础上,通过构建数学模型来进行交易的理性投资方法,通过定量方法进行技术整合,从而增加收益的稳定性。Alpha策略是典型的对冲策略,运用指数期货或期权等风险管理工具来对冲系统性风险,进而超越指数收益。本文论述了基于Al pha策略下的量化投资实践方法,以此获得超额收益。
展开更多
关键词
alpha
策略
超额收益
量化投资
在线阅读
下载PDF
职称材料
对我国基金业绩评价的再考察——能力还是运气?
被引量：
6
2
作者
王建秀
李晓燕
+1 位作者
杨海生
江颖臻
《经济问题》
CSSCI
北大核心
2021年第2期61-70,共10页
基于基金业绩评价指标超额收益率alpha中的能力和运气因素,分析了Kosowski和Fama&French两种方法的差异、产生原因和后果,提出了抽样方法选择时序最优区块、截面家族区块的改进bootstrap方法。采用2001年10月至2018年12月中国开放...
基于基金业绩评价指标超额收益率alpha中的能力和运气因素,分析了Kosowski和Fama&French两种方法的差异、产生原因和后果,提出了抽样方法选择时序最优区块、截面家族区块的改进bootstrap方法。采用2001年10月至2018年12月中国开放式基金的日度数据,考察了Kosowski、Fama&French和改进bootstrap方法对基金业绩中能力和运气因素的影响。结果表明,以净回报率为收益指标、以配对y-x为抽样对象,采取时序最优分块和截面家族分块的抽样方法,能更为严谨地甄别基金业绩中的能力因素。无论以何种方法评价,我国至少排名前20%的基金具有能力,至少排名后5%的基金是缺乏能力的。结合历史股票市场情况,考察了基金绩效的时序特征,为完善基金绩效评估和管理体系提供参考。
展开更多
关键词
基金绩效
超额收益率
alpha
(择股)能力和运气识别
BOOTSTRAP方法
在线阅读
下载PDF
职称材料
上市公司信息披露质量的投资价值分析——基于深圳证券市场的相关数据
被引量：
2
3
作者
赵景文
《云南财经大学学报》
2007年第2期34-39,共6页
利用深圳证券交易所对深市上市公司的信息披露考评数据,研究信息披露质量在股票投资中的作用。根据深交所的考评结果,将深市A股上市公司构造成高信息披露质量投资组合和低信息披露质量投资组合。利用Fama-French alpha来代表超额收益,...
利用深圳证券交易所对深市上市公司的信息披露考评数据,研究信息披露质量在股票投资中的作用。根据深交所的考评结果,将深市A股上市公司构造成高信息披露质量投资组合和低信息披露质量投资组合。利用Fama-French alpha来代表超额收益,结果发现:持有高信息披露质量股票组合可以获得显著为正的超额收益,而持有低信息披露质量股票组合的超额收益在统计上是不显著的。
展开更多
关键词
信息披露质量
超额收益
Fama—French
alpha
在线阅读
下载PDF
职称材料
基于PCANet的价值成长多因子选股模型
被引量：
6
4
作者
张宁
石鸿伟
+2 位作者
郑朗
单子豪
吴浩翔
《计算机科学》
CSCD
北大核心
2020年第S02期64-67,共4页
作为量化投资程序中的重要组成部分,量化多因子选股模型是通过历史金融数据建模来预测股票收益,该模型中引入了包括深度学习在内的众多机器学习方法。文中则首次探究了PCANet这样一种深度架构在量化选股中的应用。具体来说,该框架一方...
作为量化投资程序中的重要组成部分,量化多因子选股模型是通过历史金融数据建模来预测股票收益,该模型中引入了包括深度学习在内的众多机器学习方法。文中则首次探究了PCANet这样一种深度架构在量化选股中的应用。具体来说,该框架一方面将金融时序数据转换为二维图像数据,从而将金融时间序列预测问题转变为图像分类问题;另一方面将PCA应用于深度架构,充分发挥其能力,同时提供了金融行业可以理解和反馈的可解释性。两年的实际数据回测表明,该方法获得了57.17%的夏普比率、16.84%的超额收益以及-18.14%的最大回撤。相比传统的线性回归模型和深度学习的CNN模型,所提基于PCANet的价值成长多因子选股模型获得了更高的超额收益和夏普比率,同时保持了继承于PCA的特征提取的解释性。
展开更多
关键词
PCANet
多因子选股
超额收益
夏普比率
因子图
在线阅读
下载PDF
职称材料
题名
基于Alpha策略的量化投资研究
1
作者
王望
蔡杨
黄金萍
机构
滁州学院数学与金融学院
出处
《科教文汇》
2019年第23期99-100,共2页
基金
滁州学院2018年国家级大学生创新训练项目,编号:201810377004
文摘
量化投资是在市场非有效或弱有效的理论基础上,通过构建数学模型来进行交易的理性投资方法,通过定量方法进行技术整合,从而增加收益的稳定性。Alpha策略是典型的对冲策略,运用指数期货或期权等风险管理工具来对冲系统性风险,进而超越指数收益。本文论述了基于Al pha策略下的量化投资实践方法,以此获得超额收益。
关键词
alpha
策略
超额收益
量化投资
Keywords
alpha
strategy
excess
return
quantitative investment
分类号
F224 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
对我国基金业绩评价的再考察——能力还是运气?
被引量：
6
2
作者
王建秀
李晓燕
杨海生
江颖臻
机构
山西财经大学管理科学与工程学院
中山大学岭南学院
香港大学经济与工商管理学院
出处
《经济问题》
CSSCI
北大核心
2021年第2期61-70,共10页
基金
广东省自然科学基金项目“粤港澳大湾区系统性金融风险测度、传染与防范研究”(2019A1515012018)
广东省软科学项目“粤港澳大湾区系统性金融风险联防联控的技术防范研究”(2019A01002015)。
文摘
基于基金业绩评价指标超额收益率alpha中的能力和运气因素,分析了Kosowski和Fama&French两种方法的差异、产生原因和后果,提出了抽样方法选择时序最优区块、截面家族区块的改进bootstrap方法。采用2001年10月至2018年12月中国开放式基金的日度数据,考察了Kosowski、Fama&French和改进bootstrap方法对基金业绩中能力和运气因素的影响。结果表明,以净回报率为收益指标、以配对y-x为抽样对象,采取时序最优分块和截面家族分块的抽样方法,能更为严谨地甄别基金业绩中的能力因素。无论以何种方法评价,我国至少排名前20%的基金具有能力,至少排名后5%的基金是缺乏能力的。结合历史股票市场情况,考察了基金绩效的时序特征,为完善基金绩效评估和管理体系提供参考。
关键词
基金绩效
超额收益率
alpha
(择股)能力和运气识别
BOOTSTRAP方法
Keywords
mutual fund performance
excess
return
alpha
s
ability and luck recognition
bootstrap method
分类号
F830 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
上市公司信息披露质量的投资价值分析——基于深圳证券市场的相关数据
被引量：
2
3
作者
赵景文
机构
厦门大学会计系
出处
《云南财经大学学报》
2007年第2期34-39,共6页
文摘
利用深圳证券交易所对深市上市公司的信息披露考评数据,研究信息披露质量在股票投资中的作用。根据深交所的考评结果,将深市A股上市公司构造成高信息披露质量投资组合和低信息披露质量投资组合。利用Fama-French alpha来代表超额收益,结果发现:持有高信息披露质量股票组合可以获得显著为正的超额收益,而持有低信息披露质量股票组合的超额收益在统计上是不显著的。
关键词
信息披露质量
超额收益
Fama—French
alpha
Keywords
Quality of Information Disclosure
Excess
return
Fama - French
alpha
分类号
F830.91 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
基于PCANet的价值成长多因子选股模型
被引量：
6
4
作者
张宁
石鸿伟
郑朗
单子豪
吴浩翔
机构
中央财经大学金融学院
出处
《计算机科学》
CSCD
北大核心
2020年第S02期64-67,共4页
基金
中央财经大学科研创新团队支持计划(201909)
教育部人文社会科学重点研究基地重大项目(16JJD790060)。
文摘
作为量化投资程序中的重要组成部分,量化多因子选股模型是通过历史金融数据建模来预测股票收益,该模型中引入了包括深度学习在内的众多机器学习方法。文中则首次探究了PCANet这样一种深度架构在量化选股中的应用。具体来说,该框架一方面将金融时序数据转换为二维图像数据,从而将金融时间序列预测问题转变为图像分类问题;另一方面将PCA应用于深度架构,充分发挥其能力,同时提供了金融行业可以理解和反馈的可解释性。两年的实际数据回测表明,该方法获得了57.17%的夏普比率、16.84%的超额收益以及-18.14%的最大回撤。相比传统的线性回归模型和深度学习的CNN模型,所提基于PCANet的价值成长多因子选股模型获得了更高的超额收益和夏普比率,同时保持了继承于PCA的特征提取的解释性。
关键词
PCANet
多因子选股
超额收益
夏普比率
因子图
Keywords
Principal component analysis net
Multi factor stock selection
alpha return
Sharpe ratio
Factor picture
分类号
F830.91 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Alpha策略的量化投资研究
王望
蔡杨
黄金萍
《科教文汇》
2019
0
在线阅读
下载PDF
职称材料
2
对我国基金业绩评价的再考察——能力还是运气?
王建秀
李晓燕
杨海生
江颖臻
《经济问题》
CSSCI
北大核心
2021
6
在线阅读
下载PDF
职称材料
3
上市公司信息披露质量的投资价值分析——基于深圳证券市场的相关数据
赵景文
《云南财经大学学报》
2007
2
在线阅读
下载PDF
职称材料
4
基于PCANet的价值成长多因子选股模型
张宁
石鸿伟
郑朗
单子豪
吴浩翔
《计算机科学》
CSCD
北大核心
2020
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
