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
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：
基于LASSO分位数回归的对冲基金投资策略研究 被引量：19
1
作者 蒋翠侠 刘玉叶 许启发 《管理科学学报》 CSSCI 北大核心 2016年第3期107-126,共20页
由于对冲基金采用了灵活的投资技巧,其收益序列往往表现出与传统投资方式不同的统计特征与风险收益能力,已有方法难以有效地评价其投资绩效.基于LASSO分位数回归,从影响对冲基金收益的众多风险因子中,挑选出重要的风险因子,考察在不同... 由于对冲基金采用了灵活的投资技巧,其收益序列往往表现出与传统投资方式不同的统计特征与风险收益能力,已有方法难以有效地评价其投资绩效.基于LASSO分位数回归,从影响对冲基金收益的众多风险因子中,挑选出重要的风险因子,考察在不同分位点处对冲基金的收益与风险之间关系,识别对冲基金投资风格,继而给出对冲基金投资绩效评价方法.为验证基于LASSO分位数回归的投资风格识别与投资绩效评价效果,构建对冲基金风格组合投资方案,并将其与基于均值回归构建的组合投资、等权组合投资、Markowitz组合投资等经典的组合投资决策方法进行比较.实证研究结果表明,基于LASSO分位数回归的投资绩效评价方法最为有效,给出的组合投资方案能够获得较高的风险调整收益. 展开更多
关键词 对冲基金 lasso分位数回归 对冲基金绩效 风格组合投资
下载PDF
我国行业间尾部风险溢出的测度及时空驱动因素研究 被引量：9
2
作者 李政 李丽雯 刘淇 《统计研究》 北大核心 2024年第2期64-76,共13页
基于经济金融的共生共荣关系,本文采用LASSO分位数回归构建我国金融与实体行业间的尾部风险网络,利用复杂网络分析法对行业间尾部风险溢出进行测度分析,并从时空两个维度探讨行业尾部风险溢出的驱动因素。研究结果显示,第一,我国经济金... 基于经济金融的共生共荣关系,本文采用LASSO分位数回归构建我国金融与实体行业间的尾部风险网络,利用复杂网络分析法对行业间尾部风险溢出进行测度分析,并从时空两个维度探讨行业尾部风险溢出的驱动因素。研究结果显示,第一,我国经济金融系统中的31个行业形成了“牵一发而动全身”的尾部关联网络,金融行业间、实体行业间以及金融与实体行业之间均存在密切的尾部关联,而且在与实体行业的互动中,金融行业内部存在结构性不平衡。第二,经济金融系统中的风险传染源既可能来自金融行业,也有可能来自实体行业,银行、医药生物、计算机和建筑装饰是经济金融系统中重要的“风险驱动者”。第三,在空间维度上,行业间投入产出关联越密切,其尾部风险溢出水平越高,且相比前向关联,后向关联对行业间尾部风险溢出的解释力更强,即尾部风险主要沿产业链从下游向上游行业进行逆向传导;两两行业间的收益相关性和波动相关性越高,尾部风险溢出越强;行业自身风险水平越高,其接收其他行业的尾部风险溢出越强。在时间维度上,宏观经济环境和融资环境是行业尾部风险溢出动态变化的主要驱动因素。 展开更多
关键词 尾部风险溢出 驱动因素 投入产出关联 lasso分位数回归
下载PDF
带有范数约束的CVaR高维组合投资决策 被引量：14
3
作者 许启发 周莹莹 蒋翠侠 《中国管理科学》 CSSCI CSCD 北大核心 2017年第2期40-49,共10页
为解决传统组合投资决策中极端组合投资头寸带来金融资产池管理上的困难,在标准的CVaR组合投资模型中增加范数约束条件,建立了带有范数约束的CVaR高维组合投资决策方法。该方法由三部分组成:通过理论证明将CVaR组合投资模型求解过程转... 为解决传统组合投资决策中极端组合投资头寸带来金融资产池管理上的困难,在标准的CVaR组合投资模型中增加范数约束条件,建立了带有范数约束的CVaR高维组合投资决策方法。该方法由三部分组成:通过理论证明将CVaR组合投资模型求解过程转化为一个分位数回归问题;使用LASSO分位数回归给出带有范数约束的CVaR高维组合投资模型求解算法;通过数值模拟比较了最优金融资产数目优选准则。最后,使用沪深300指数进行了实证研究,发现带有范数约束的CVaR高维组合投资决策方法,能够解决高维组合投资决策问题,挑选出较少数量金融资产进行组合投资,就能够很好地分散尾部风险。 展开更多
关键词 组合投资决策 CVaR高维组合投资 范数约束 lasso分位数回归
原文传递
基于LASSO分位数回归的中期电力负荷概率密度预测方法 被引量：10
4
作者 何耀耀 秦杨 杨善林 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2019年第7期1845-1854,共10页
中期电力负荷预测过程中往往会受到多种外界因素(诸如温度、节假日、风力大小等)的不确定性干扰,并且影响中期电力负荷预测的因素复杂多变、规律各异,难以精准地进行预测.在大数据环境下,如何在种类繁多、数量庞大的影响因素中快速获取... 中期电力负荷预测过程中往往会受到多种外界因素(诸如温度、节假日、风力大小等)的不确定性干扰,并且影响中期电力负荷预测的因素复杂多变、规律各异,难以精准地进行预测.在大数据环境下,如何在种类繁多、数量庞大的影响因素中快速获取有价值信息成为了电力负荷预测问题的关键所在.提出的基于LASSO分位数回归概率密度预测方法,首先从影响电力负荷预测的多种外界因素中挑选出重要的影响因子,建立LASSO分位数回归模型.然后,使用triangular核函数,将LASSO分位数回归与核密度估计方法相结合,进行中期电力负荷概率密度预测.以中国东部某副省级市的历史负荷和外界影响因素(包括温度、节假日及风力大小)为算例,运用LASSO分位数回归方法进行中期电力负荷概率密度预测,得到的平均绝对误差在中位数和众数上分别为3.53%和3.69%,优于未考虑外界因素和考虑外界因素未进行变量选择的情况.为了进一步验证该方法的优越性,将其与非线性分位数回归和基于三角核的分位数回归神经网络概率密度预测方法进行对比分析,说明该方法能较好解决电力负荷预测中的高维数据问题,从而获得比较准确的电力负荷预测结果. 展开更多
关键词 lasso分位数回归 概率密度预测 中期负荷 高维数据分析 电力
原文传递
稳健高效的高维成分数据近似零值插补方法及应用 被引量：4
5
作者 熊巍 潘晗 刘立新 《统计研究》 CSSCI 北大核心 2020年第5期104-116,共13页
随着计算机技术的迅猛发展,高维成分数据不断涌现并伴有大量近似零值和缺失,数据的高维特性不仅给传统统计方法带来了巨大的挑战,其厚尾特征、复杂的协方差结构也使得理论分析难上加难。于是如何对高维成分数据的近似零值进行稳健的插补... 随着计算机技术的迅猛发展,高维成分数据不断涌现并伴有大量近似零值和缺失,数据的高维特性不仅给传统统计方法带来了巨大的挑战,其厚尾特征、复杂的协方差结构也使得理论分析难上加难。于是如何对高维成分数据的近似零值进行稳健的插补,挖掘潜在的内蕴结构成为当今学者研究的焦点。对此,本文结合修正的EM算法,提出基于R型聚类的Lasso-分位回归插补法(SubLQR)对高维成分数据的近似零值问题予以解决。与现有高维近似零值插补方法相比,本文所提出的SubLQR具有如下优势。①稳健全面性:利用Lasso-分位回归方法,不仅可以有效地探测到响应变量的整个条件分布,还能提供更加真实的高维稀疏模式;②有效准确性:采用基于R型聚类的思想进行插补,可以降低计算复杂度,极大提高插补的精度。模拟研究证实,本文提出的SubLQR高效灵活准确,特别在零值、异常值较多的情形更具优势。最后将SubLQR方法应用于罕见病代谢组学研究中,进一步表明本文所提出的方法具有广泛的适用性。 展开更多
关键词 高维成分数据 近似零值 lasso-分位回归 修正EM算法 稳健
下载PDF
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
使用帮助 返回顶部