风格基于人工神经网络证券投资基金风格资产轮换对策

摘要4-5

Abstract5-9

1 引言9-23

1.1 探讨背景9-11

1.2 探讨目的和作用11-15

1.2.1 探讨目的11-12

1.2.2 探讨作用12-14

1.2.3 学术价值14-15

1.3 国内外探讨近况15-23

1.3.1 关于风格周期性的文献综述15-19

1.3.2 关于风格资产轮换对策的文献综述19-23

2 风格资产收益预测模型策略23-28

2.1 目前国内外主要建立模型策略23-24

2.1.1 Logistic 模型的局限性23

2.1.2 Markov Switch 模型的局限性23

2.1.3 支持向量机模型的局限性23-24

2.2 AFSVR 算法原理24-28

2.2.1 AFSVR 算法25-26

2.2.2 核空间模糊隶属函数模型26-28

3 基金相关论述基础28-34

3.1 基于收益率基础的风格鉴别技术（RBS）聚类浅析法的原理29-31

3.1.1 确定因子数目m29-30

3.1.2 基金分类30-31

3.2 相关指标收益率的计算31-34

3.2.1 基金收益率的计算31-32

3.2.2 基金收益风险指标的计算32-33

3.2.3 评价基金绩效的指标33-34

4 证券投资基金风格资产轮换对策34-47

4.1 样本选取与数据处理34-37

4.1.1 样本选择34

4.1.2 探讨时间段及其划分34-35

4.1.3 相关指数的选择35-36

4.1.4 无风险利率的选择36

4.1.5 数据来源36-37

4.2 变量的选择37-40

4.2.1 被解释变量的选择37

4.2.2 解释变量的选择37-40

4.3 风格资产周期性探讨40-43

4.3.1 我国证券投资基金风格周期性实证浅析40-42

4.3.2 风格周期性小结42-43

4.4 风格资产轮换投资对策43-45

4.4.1 参数d， u， l的确定43

4.4.2 通过训练集确定模型43-44

4.4.3 建立风格资产轮换对策44-45

4.5 投资业绩的评估45-47

4.5.1 规模风格资产轮换对策的业绩45-46

4.5.2 价值/成长风格资产轮换对策的业绩46-47

5 结论47-48