基于二次平滑-灰色预测的在线投资组合选择

在线投资组合是近年来计算金融领域热门的研究课题,目前已有的策略,对股票价格的预测效果并不十分理想,而对股价的准确预测对投资组合方式有重要的指导意义.考虑到股价的滞后性及其分布的复杂性,首次利用股价中的二阶信息,提出了DMAR (DMA (Double Moving Average) Reversion)、DEAR(DEA (Double Exponential Average) Reversion)、GMR (GM Reversion)、DA-GMR (DA-GM Reversion)4种投资组合策略:分别通过二次移动平均法、二次指数滑动预测法、灰色预测法,对下一期的价格数据进行了预测、集成学习;将二次平滑预测和灰色预测的结果进行了优化,得到了下一期的预测价格;再利用被动攻击(Passive-Aggressive,PA)算法更新投资组合,最终得到了4种投资组合策略,并在真实的金融市场的数据集中验证了策略的有效性.结果表明,与已有的算法相比,在NYSE (O)、NYSE (N)、DJIA和MSCI这4个真实的金融市场的数据集上,所提出的4种投资组合策略都达到了较高的累计收益.