基于人工智能量化分析的我国资产证券化产品投资组合优化研究
发布时间：2023-04-30 05:49
资产证券化作为现代金融市场上融资者获得资金的重要融资渠道和进行金融风险管理的全新手段与工具,资产证券化近年来受关注度的不断增加,其市场规模不断扩大且产品类型日益丰富,在推动经济结构优化升级和服务实体经济等方面发挥着越来越重要的作用。我国资产证券化市场已进入建设发展阶段的关键时期,对产品进行创新成为必然趋势。在我国证券市场的逐步成熟的同时,大数据、云计算、人工智能(AI,Articial Intelligence)等为代表的新一代信息技术也迅猛发展。基于人工智能的量化投资方法借助计算机所拥有的强大算力可以实现对整个市场的跟踪监测,及时发现市场中潜在的交易机会并给予精准评价,有效减少因情绪波动等因素给交易决策带来的不利影响,并且能够与其他人工投资策略形成一定的负相关性并以此丰富投资策略组合,正是因为人工智能量化投资所具有的这些特点与优势,将其引入金融行业领域恰逢其时。在此背景下,本文将人工智能量化投资引入资产证券化,研究和探讨最优投资组合方案。首先,本文第一章和第二章对资产证券化与人工智能的关系进行阐述,分析中美资产证券化差异,探讨当前人工智能在国内资产证券化产品投资组合中的应用情况。其次...
【文章页数】：194 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景及研究意义
1.1.1 资产证券化
1.1.2 资产证券化的国内外研究现状
1.1.3 人工智能的引入
1.1.4 理论意义与现实意义
1.2 研究对象及概念的界定与作用
1.2.1 资产证券化的内涵与作用
1.2.2 量化投资的内涵与作用
1.2.3 投资组合绩效及标准
1.2.4 人工智能的概念与作用
1.3 研究路径与研究方法
1.3.1 主要研究内容
1.3.2 主要的研究方法
1.3.3 本文的主要创新点与文章结构
1.4 本章小结
第二章 投资组合理论机制与人工智能的应用前景
2.1 资产证券化整体与细分领域的研究情况
2.1.1 资产证券化的内容及定义
2.1.2 资产证券化与风险管理
2.2 人工智能背景下资产证券化的相关研究现状
2.2.1 人工智能在资产证券化中应用
2.2.2 人工智能的应用现状及在金融行业的应用发展
2.2.3 人工智能在资产证券化投资组合的应用
2.2.4 人工智能在资产组合中的优化研究现状
2.3 资产证券化的市场发展现状
2.3.1 美国资产证券化市场的发展
2.3.2 我国资产证券化市场发展
2.3.3 中美资产证券化的差异
2.4 本章小结
第三章 理想收益率下资产证券化投资组合研究
3.1 中国市场资产证券化交易规定
3.1.1 资产证券化交易机构
3.1.2 资产证券化交易费用研究
3.1.3 资产证券化投资税费研究
3.1.4 资产证券化产品投资约束
3.2 资产证券化理想收益率模型
3.2.1 场景假设与市场调研
3.2.2 测试数据的可视化分析
3.2.3 理想收益率下交易流程的构建
3.2.4 理想收益率下的计算逻辑设置
3.2.5 算法实现
3.3 实证分析与讨论
3.3.1 不同视角的量化分析
3.3.2 结果讨论与分析
3.4 本章小结
第四章 人工智能视域下的资产证券化投资组合预测
4.1 资产证券化研究中人工智能的模型选取
4.2 资产证券化实验中人工智能模型的数学基础及优点
4.2.1 Lasso回归数学基础
4.2.2 岭回归数学基础
4.2.3 XGBoost数学基础
4.2.4 LightGBM数学基础
4.2.5 神经网络数学基础
4.2.6 SVM数学基础
4.3 人工智能模型的实证分析
4.3.1 量化实验环境与数据
4.3.2 核心程序的构建与实现
4.3.3 人工智能模型的量化结果
4.3.4 不同投资视角下的模型表现
4.4 人工智能模型的Dis指标与分析
4.4.1 Dis测评指标的构建
4.4.2 不同视角下各人工智能模型的Dis值分析
4.5 本章小结
第五章 人工智能视域下资产证券化投资组合优化
5.1 传统优化方法
5.1.1 基于梯度下降法
5.1.2 复变量法
5.1.3 自动微分法
5.2 现代优化方法
5.2.1 粒子群算法
5.2.2 遗传算法
5.3 基于遗传算法的投资组合优化
5.3.1 投资组合评价模型的构建
5.3.2 投资组合优化
5.4 本章小结
总结和展望
参考文献
在读期间科研成果
致谢
本文编号：3806553
【文章页数】：194 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景及研究意义
1.1.1 资产证券化
1.1.2 资产证券化的国内外研究现状
1.1.3 人工智能的引入
1.1.4 理论意义与现实意义
1.2 研究对象及概念的界定与作用
1.2.1 资产证券化的内涵与作用
1.2.2 量化投资的内涵与作用
1.2.3 投资组合绩效及标准
1.2.4 人工智能的概念与作用
1.3 研究路径与研究方法
1.3.1 主要研究内容
1.3.2 主要的研究方法
1.3.3 本文的主要创新点与文章结构
1.4 本章小结
第二章 投资组合理论机制与人工智能的应用前景
2.1 资产证券化整体与细分领域的研究情况
2.1.1 资产证券化的内容及定义
2.1.2 资产证券化与风险管理
2.2 人工智能背景下资产证券化的相关研究现状
2.2.1 人工智能在资产证券化中应用
2.2.2 人工智能的应用现状及在金融行业的应用发展
2.2.3 人工智能在资产证券化投资组合的应用
2.2.4 人工智能在资产组合中的优化研究现状
2.3 资产证券化的市场发展现状
2.3.1 美国资产证券化市场的发展
2.3.2 我国资产证券化市场发展
2.3.3 中美资产证券化的差异
2.4 本章小结
第三章 理想收益率下资产证券化投资组合研究
3.1 中国市场资产证券化交易规定
3.1.1 资产证券化交易机构
3.1.2 资产证券化交易费用研究
3.1.3 资产证券化投资税费研究
3.1.4 资产证券化产品投资约束
3.2 资产证券化理想收益率模型
3.2.1 场景假设与市场调研
3.2.2 测试数据的可视化分析
3.2.3 理想收益率下交易流程的构建
3.2.4 理想收益率下的计算逻辑设置
3.2.5 算法实现
3.3 实证分析与讨论
3.3.1 不同视角的量化分析
3.3.2 结果讨论与分析
3.4 本章小结
第四章 人工智能视域下的资产证券化投资组合预测
4.1 资产证券化研究中人工智能的模型选取
4.2 资产证券化实验中人工智能模型的数学基础及优点
4.2.1 Lasso回归数学基础
4.2.2 岭回归数学基础
4.2.3 XGBoost数学基础
4.2.4 LightGBM数学基础
4.2.5 神经网络数学基础
4.2.6 SVM数学基础
4.3 人工智能模型的实证分析
4.3.1 量化实验环境与数据
4.3.2 核心程序的构建与实现
4.3.3 人工智能模型的量化结果
4.3.4 不同投资视角下的模型表现
4.4 人工智能模型的Dis指标与分析
4.4.1 Dis测评指标的构建
4.4.2 不同视角下各人工智能模型的Dis值分析
4.5 本章小结
第五章 人工智能视域下资产证券化投资组合优化
5.1 传统优化方法
5.1.1 基于梯度下降法
5.1.2 复变量法
5.1.3 自动微分法
5.2 现代优化方法
5.2.1 粒子群算法
5.2.2 遗传算法
5.3 基于遗传算法的投资组合优化
5.3.1 投资组合评价模型的构建
5.3.2 投资组合优化
5.4 本章小结
总结和展望
参考文献
在读期间科研成果
致谢
本文编号：3806553
本文链接：https://www.wllwen.com/shoufeilunwen/jjglbs/3806553.html