基于Post-LASSO方法的大类资产因子配置研究

基于因子的配置方法将资产配置的决策过程从资产层面转换为更为微观的因子层面,投资者能够通过对因子收益分布及相关性的预测更好地进行资产配置.选择包括经济增长、通货膨胀、市场因子、规模因子和盈利因子在内的宏观和风格因子,以及股票、债券和商品在内的多种资产指数的月度数据,基于Post-LASSO模型和Greenberg等(2016)稳健性最优化算法检验了基于因子的大类资产配置方法在我国的可应用性.研究结果发现:通过因子权重映射的资产组合能够较好地模拟出各因子的初始权重,Post-LASSO方法能够取得显著优于传统OLS方法的映射效果;映射资产组合的收益走势可以对因子组合进行部分追踪,但是由于因子收益率和资产收益率存在着较大差异,因此,两个组合的净值走势也存在着一定偏差.研究结论丰富了投资组合的相关理论,也为投资者从传统资产配置转向因子配置提供了经验借鉴.     

基于信用消费行为的商业银行零售业务信用风险再评估

商业银行零售业务信用风险评估问题具有维度高、数据更新快等明显特征,在此条件下,利用统计分析、数据挖掘技术建立可靠的动态预警模型具有十分重要的意义。基于数据挖掘的思想,充分利用客户信用消费行为数据,以及粗糙集理论对决策表中条件属性进行约简,并构建基于变精度加权平均粗糙度和基尼指数的决策树算法,依照决策属性值进行客户违约还款预测。实验结果表明,改进后的基于粗糙集与决策树算法的信用卡消费信用风险动态预警模型在准确率、稳定性等方面往往优于基本统计模型及机器学习算法。     

基于单指数模型的投资组合影响因素研究

本文研究在资产的收益率可预测或部分可预测的情况下,资产组合配置的问题。在确定投资组合权重时,资产收益率的期望和波动率是最重要的变量。本文首先寻找对资产收益率的期望和波动率最具有解释能力的预测变量,然后基于这些变量,利用单指数模型,直接探索预测变量和资产组合权重之间的关系。模型中的指数可以帮助投资者决定在做投资决策时各预测变量的重要程度。     

基于单指数模型的投资组合影响因素研究

本文研究在资产的收益率可预测或部分可预测的情况下,资产组合配置的问题.在确定投资组合权重时,资产收益率的期望和波动率是最重要的变量.本文首先寻找对资产收益率的期望和波动率最具有解释能力的预测变量,然后基于这些变量,利用单指数模型,直接探索预测变量和资产组合权重之间的关系.模型中的指数可以帮助投资者决定在做投资决策时各预测变量的重要程度.     

基于机器学习算法的车险索赔概率与累积赔款预测

保险费率厘定的核心工作是对保险损失的预测。在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择。本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较。结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型。机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法。     

投资从0到1 如何看懂宏观经济？

<正>了解宏观经济指标、理解宏观经济调控逻辑，仍然有利于我们理解当下所处的经济周期，并对未来的经济走势进行更加准确的判断，在复杂的经济环境下做出符合自身偏好的最优资产配置决策。很多投资者在进行投资决策时，比较喜欢关注微观指标的情况，觉得宏观经济离自己很遥远，认为宏观经济调控是政府的工作。但事实上，全球市场变化及国内经济形势与每个投资者的风险偏好和资产配置策略息息相关；对投资者来说，了解宏观经济环境和政策是投资决策中最重要、最基础的工作之一。只有在关注经济核心数据的基础上，通过国家宏观经济调控手段判断经济走势，才能做好符合自身风险偏好的资产配置决策。     

基于Logistics回归算法的证券客户流失预测模型及应用

本文以Logistics回归算法为基础,结合证券行业经纪业务的特点,选择了总资产比例、交易次数比例、总资产连续下降等12个指标建立证券客户流失预测模型;并通过历史数据计算,确定了模型的常变量及回归变量。相关理论方法评估及真实数据验证表明,该模型的预测准确度较高,可以基于客户历史行为反应其流失倾向。一、客户流失预测的基础模型简介     

中国股票市场操纵识别研究——基于机器学习分类算法

本文整理了2006—2021年证监会行政处罚涉及的股票市场操纵案例，并通过Wilcoxon秩和检验来筛选构造解释变量，之后综合运用各种过采样算法和机器学习模型对其进行实证分析。研究发现：第一，经过过采样算法扩充样本的模型预测精度明显大于样本不平衡的模型；第二，综合比较各种过采样算法，Borderline-SMOTE过采样算法的预测精度大于SMOTE和ADASYN过采样算法；第三，综合比较各类机器学习分类模型，SVM模型的预测精度明显大于其他机器学习分类模型。本文结论对股票市场操纵的及早识别预测，促进资本市场良性发展具有一定的理论意义和实践价值。     

基于机器学习算法的个体索赔准备金评估模型

非寿险赔款准备金对保险公司的风险管理和财务决策具有重要影响。传统的准备金评估方法通常基于汇总的流量三角形数据进行建模,没有充分利用个体索赔案件的信息,且存在参数过度化、难以处理大额赔款和负增量赔款等问题。本文基于每份保单的个体索赔信息,使用随机森林和XGBoost等机器学习算法对案件的赔付状态、赔付金额分别建立了预测模型,改进了传统准备金评估模型的预测效果。实证研究结果表明,影响赔付状态的因素主要是结案状态、报案延迟等跟案件相关的信息,而影响赔付金额的因素则主要是历史赔付金额等反映出险事故严重程度的信息。本文最后还给出了RBNS准备金的预测分布,其结果更加接近准备金的真实值且方差更小,表明在非寿险RBNS准备金评估中,基于机器学习算法的个体索赔准备金评估模型优于传统的准备金评估模型。     

基于lightGBM算法对银行账户反欺诈模型的应用

在互联网金融诈骗产业化、规模化且广泛使用各类前沿技术的背景下,以人工智能等为代表的先进技术为金融机构提高反欺诈能力提供了新的方向。为探索机器学习技术在风险管理中的应用,文章以银行账户数据为研究基础,通过有监督训练,基于LightGBM算法的机器学习模型不断学习数据模式,在完成变量选择的同时择优输出针对欺诈风险的概率预测。     

我国开放式基金动态资产配置能力研究——基于H—M模型及其扩展的检验

基金的动态资产配置能力是以正确的预测市场走势为前提的。以市场时机把握能力为代表变量是考察基金动态资产配置能力的一个重要角度。H—M模型在检验市场时机把握能力中应用最广，同时又有多种H—M模型不足的扩展模型，如考虑市场组合的选择误差和遗漏变量，或者加入代表市场有效性的变量。应用最初的H—M模型及其扩展对我国83支开放式基金的业绩进行的检验结果表明，我国开放式基金普遍缺乏动态资产配置能力。     

基于机器学习算法的信用风险量化模型研究

传统的信用风险计量模型难以处理高维数据和非线性问题，多具备较严格的假设条件，计算结果常与实际情形存在较大的误差。本文综合考虑影响信用风险的内生变量和外生变量，使用更优的非线性变换方式拟合数据，并借助机器学习强大的算力和学习迭代优势量化信用风险。实证结果表明，该模型算法可提高预测结果的拟合度和准确性。     

私人银行的价值主张——实践回顾与方向选择

私人银行商业模式的核心问题是私人银行的价值主张是什么,即它能够为客户提供哪些满足客户需求的产品或服务。本文在简要回顾国内私人银行产品和服务创新实践的基础上研究了私人银行价值主张的方向选择。与按照职业或资产规模的普通分类方法不同,本文认为可以从需求差异角度把高净值客户分为两大类：财富创造型客户和财富增值型客户。财富刨造型客户财富主要表现为企业价值,他们关注的是银行能否提供适当的投、融资解决方案以帮助企业发展,私人银行应当为他们提供整合化的公司金融解决方案;财富增值型客户希望通过资产配置实现存量财富的保值、增值,对收益率比较敏感,私人银行可以突破传统的均值一方差模型,依据WAF框架为他们进行多目标的资产配置。     

上海市居民家庭资产配置现状及对策分析

通过设计涵盖家庭基本信息、风险偏好、理财现状及未来理财期望等内容的调查问卷,随机对680户不同收入水平的上海居民家庭的资产配置状况进行数据采集与分析,对比不同收入家庭的风险偏好测试结果,我们发现上海居民家庭整体上都是风险厌恶的,但低收入家庭的风险偏好往往强于高收入家庭,同时不同收入家庭在资产配置时都存在着行为金融学上的非理性行为。结合家庭未来的期望理财计划和国外发达国家家庭金融资产配置的状况,我们认为:居民家庭应当结合自身家庭收入及风险承受能力来选择资产配置的策略,转变观念,优化资产配置;而对于政府,应加快完善市场制度以降低居民预期的不确定性,同时鼓励、监督、引导金融部门开发适合居民需求的金融产品。     

珠联璧合:基于机器学习的网络借贷信用评分卡模型研究

近年来,P2P网络平台"爆雷"事件频发,除平台恶意"携款跑路"外,绝大多数平台倒闭的原因在于部分借款人违约而导致平台现金流不足,进而出现提现困难、严重挤兑。本文借助人人贷网络借贷平台的数据,利用广义交叉验证、随机森林等机器学习算法对借贷客户特征变量进行筛选,并建立融入证据权重的Logistic信用评分卡模型,根据客户贷前所提交的个人信息对客户进行信用评分,进而预测客户借款到期时的违约情况。实证结果表明,该模型的预测准确率明显高于样本期间的平台评级,且模型通过了稳定性检验。这一研究结论对P2P网络借贷行业的健康发展与个人信用体系的构建具有重要意义,同时对第三方评级机构的个人信用评估也有一定的参考价值。     

资产配置在财富管理中的应用

随着高净值人士的高速增长,同时伴随着物价上涨、通货膨胀,根据客户风险承受能力,和对收益率、流动性需求,设计出一套资产组合配置来实现客户资产保值增值目的财富管理越来越受到高净值人士、商业银行、财富管理公司的重视,而产品的选择、资产的配置决定着资产组合的流动性、风险性和收益率,所以资产配置是财富管理的核心。本文通过一个具体案例来阐述资产配置在财富管理中的应用,使客户获得流动性的同时获得满意的收益。     

上海农行个人理财业务市场竞争力探析

银行个人理财业务是指银行根据客户的资产状况、预期目标和风险偏好程度，为客户提供专业的个人投资建议，帮助客户合理而科学地安排投资方式，以实现个人资产的保值增值，从而满足客户对投资回报与风险的不同要求并从中获取一定利润的过程。     

基于计算实验金融方法的决策偏好比较研究

风险决策偏好表征着个体在面对不确定条件或具有风险时的决策态度,不同的偏好特征以效用函数为载体,外在地表现为个体具体所运用的投资策略。风险决策机制的深入理解以及基于不同决策偏好的策略比较分析对投资者的投资决策具有重要意义。通过运用计算实验金融方法对传统决策偏好以及前景理论进行多角度的比较分析,研究发现基于前景理论构造的投资策略相比传统决策偏好具有较大的优势,对于投资者本身来说是一个最佳的策略选择。     

决策能力、风险偏好与风险资本

本文根据资产组合选择理论和资本资产定价模型的思想内核 ,通过引入“最佳预期”概念 ,分析了资本市场效率、投资者决策能力和风险偏好对投资收益的影响 ,得出在完善市场上 ,投资收益主要取决于投资者的风险偏好 ,在不完善市场上 ,投资收益则取决于投资者的决策能力和风险偏好。通过进一步分析风险资本市场的特性 ,讨论了决策能力和风险偏好在风险资本形成中的作用。研究表明 :风险资本是一种融财务资本、人力资本、声誉资本为一体的复合型资本 ,其高额收益源于风险投资者的人力资本。本文的一些发现为解释风险投资领域有关普遍现象提供了新的视角     

基于风险平价的全球资产配置对银行理财的启示

<正>2019年以来银行理财行业经历了快速发展,目前理财产品资产配置偏重于固定收益资产并且风险偏好更加保守。文章针对这些趋势,运用风险平价模型对一个基钦周期内的全球主要资产组合表现进行了回测。从结果上看,风险平价模型可以在传统的20/80股债配置基础上,利用大类资产的市场波动提升组合收益率,并保持波动率和最大回撤在合理水平,这对于优化银行理财产品的资产配置或许有一定的借鉴意义。