Responsive image
博碩士論文 etd-0528119-014206 詳細資訊
Title page for etd-0528119-014206
論文名稱
Title
利用集群演算法建構投資組合—以指數型基金為例
Portfolio Construction with Cluster Analysis: Evidence from Index Funds
系所名稱
Department
畢業學年期
Year, semester
語文別
Language
學位類別
Degree
頁數
Number of pages
45
研究生
Author
指導教授
Advisor
召集委員
Convenor
口試委員
Advisory Committee
口試日期
Date of Exam
2019-06-18
繳交日期
Date of Submission
2019-06-28
關鍵字
Keywords
資產配置、集群分析、景氣循環、機器學習、投資組合
Cluster Analysis, Machine Learning, Business Cycle, Portfolio, Asset Allocation
統計
Statistics
本論文已被瀏覽 5688 次,被下載 0
The thesis/dissertation has been browsed 5688 times, has been downloaded 0 times.
中文摘要
在本研究當中,先以總體經濟資料與市場價格資料進行特徵工程,形成週頻數據集,接著使用XGBoost演算法進行特徵篩選,挑選出重要變數並進行主成份分析,以建構出精萃數據集。最後再藉由集群分析,希望將經濟情勢相近的週頻樣本凝聚成各個集群。

而在實際資產配置決定時,則取出最近一期樣本之所屬集群,並將該集群內的樣本日期彙整為時間區間,意即歷史上這些時段的市場狀態應與當下相近,故使用該時間區間之日報酬作為資產配置權重估計使用。

歷史回測上,使用此方法建構之投資組合能在2008年轉為保守型配置,避開2009金融海嘯。在回測期間2005年4月1號至2019年4月1號之間,本研究之投資組合在夏普指標、年化報酬、最大回撤皆能優於比較基準。
Abstract
This study first uses macroeconomics and market price data in feature engineering, creating new features. Then apply XGboost to carry on with feature selection, remaining important variables and using principal component analysis to form the extracted weekly data set. The data set will be used in cluster analysis, aiming to gather weekly samples to clusters that have similar economic climate.

In practice, when deciding asset allocation, the clustering result belonging to the latest sample will be taken and the dates of the other samples in that cluster will be organized to time intervals. It means that the market situation in the time intervals will resemble the situation of the asset allocation decision day. Thus, daily returns in the time intervals are applied to calculate asset allocation weights.

In the backtesting results, the portfolios constructed by the present study's methodology can transform into a more conservative asset allocation in 2008, and avoiding the financial crisis of 2009. Furthermore, the portfolios perform better than the two benchmarks, equal-weighted and historical mean-variance optimization.
目次 Table of Contents
論文審定書 i
誌謝 ii
中文摘要 iii
英文摘要 iv
圖目錄 vii
表目錄 viii

第一章 緒論 1
1.1 研究動機 1
1.2 研究目的 1
1.3 研究架構與流程 2

第二章 文獻回顧 3
2.1 資產配置與景氣預測 3
2.2 機器學習於金融之應用 4
2.3 文獻回顧小結 4

第三章 研究方法 5
3.1 實驗架構 5
3.2 資料蒐集與建立 7
3.3 重要特徵篩選 12
3.4 集群分析 17
3.5 資產配置 21

第四章 實證結果 23
4.1 集群結果 23
4.2 資產配置回測 25

第五章 結論與建議 33
5.1 結論 33
5.2 後續建議 34

附錄 34
參考資料 35
參考文獻 References
游欣慧(1999)。多種情境模式資產配置之研究。國立臺灣大學財務金融學研究所碩士論文,台北市。

張婉蘭(2002)。因應台灣景氣循環的最適資產配置投資組合之研究。國立高雄第一科技大學金融營運所碩士論文,高雄市。

賴曉莉(2009)。主動式V.S被動式管理基金之研究。國立中正大學財務金融所碩士論文,嘉義縣。

Cai, F., Le-Khac, N. A., & Kechadi, T. (2016). Clustering approaches for financial data analysis: a survey. arXiv preprint arXiv:1609.08520.

Chen, S. S. (2009). Predicting the bear stock market: Macroeconomic variables as leading indicators. Journal of Banking & Finance, 33(2), 211-223.

Chen, T., & Guestrin, C. (2016). Xgboost: A scalable tree boosting system. In Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining (pp. 785-794). ACM.

Davig, T., & Hall, A. S. (2019). Recession forecasting using Bayesian classification. International Journal of Forecasting, 35(3), 848-867.

Friedman, J. H. (2001). Greedy function approximation: a gradient boosting machine. Annals of statistics, 1189-1232.

Johnson, S. C. (1967). Hierarchical clustering schemes. Psychometrika, 32(3), 241-254.

Keller, W. J., Butler, A., & Kipnis, I. (2015). Momentum and Markowitz: a golden combination. Available at SSRN 2606884.

MacQueen, J. (1967, June). Some methods for classification and analysis of multivariate observations. In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability (Vol. 1, No. 14, pp. 281-297).

Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.

Obeidat, S., Shapiro, D., Lemay, M., MacPherson, M. K., & Bolic, M. (2018). Adaptive Portfolio Asset Allocation Optimization with Deep Learning. International Journal on Advances in Intelligent Systems, 11(1), 25-34.

Raffinot, T. (2017). Hierarchical clustering based asset allocation. Available at SSRN 2840729.

Ward Jr, J. H. (1963). Hierarchical grouping to optimize an objective function. Journal of the American statistical association, 58(301), 236-244.
電子全文 Fulltext
本電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。
論文使用權限 Thesis access permission:自定論文開放時間 user define
開放時間 Available:
校內 Campus:永不公開 not available
校外 Off-campus:永不公開 not available

您的 IP(校外) 位址是 44.192.20.240
論文開放下載的時間是 校外不公開

Your IP address is 44.192.20.240
This thesis will be available to you on Indicate off-campus access is not available.

紙本論文 Printed copies
紙本論文的公開資訊在102學年度以後相對較為完整。如果需要查詢101學年度以前的紙本論文公開資訊,請聯繫圖資處紙本論文服務櫃台。如有不便之處敬請見諒。
開放時間 available 永不公開 not available

QR Code