【技术实现步骤摘要】
资产配置方法、装置、设备以及计算机存储介质
[0001]本专利技术实施例涉及计算机数据处理
，具体涉及一种资产配置方法、装置、设备以及计算机存储介质。
技术介绍
[0002]现有的采用基于风险调整收益的资产配置方法主要包括均值方差最优化方法、BL(Black
‑
Litterman)模型以及熵池(EntropyPooling)模型等。其中，熵池模型可以视作对BL模型的泛化与改进。熵池模型通过最小化相对熵求后验分布，即在观点约束下选择增加多余信息最少的后验分布，实现以最大熵原理避免不必要的假设和结构，防止主观臆断风险，将主观或者量化的观点通过分布更新的形式融入到风险模型中，用于资产配置或资产定价。
[0003]但是在基于现有的熵池模型进行资产配置的过程中，专利技术人发现：现有的熵池模型一般采用压缩估计的方式，即将后验分布与先验分布以固定的权重进行线性融合，得到最终资产间的预期收益联合分布，其问题在于：固定权重不够灵活，所得到的预期收益联合分布无法适应市场行情的动态变化，而若采取非固定权重来进行线性...
【技术保护点】
【技术特征摘要】
1.一种资产配置方法，其特征在于，所述方法包括：根据预设的收益分布特征指标对多个待配置资产对应的当前收益预测数据进行特征提取，得到所述多个待配置资产分别对应的当前预测收益分布特征；对所述多个待配置资产对应的所述当前预测收益分布特征进行组合分析，得到所述多个待配置资产对应的当前目标收益后验联合分布；按照目标线性回归权重对所述当前目标收益后验联合分布以及所述多个待配置资产对应的预设的收益先验联合分布进行线性融合，得到所述多个待配置资产的当前预期收益联合分布；其中，所述目标线性回归权重根据群智能优化算法对初始线性回归权重进行迭代优化得到；所述群智能优化算法的损失函数根据当前时间点前的多个历史数据采集周期采集的历史收益预测数据对应的历史预期收益联合分布与所述多个待配置资产在所述历史采样周期对应的历史真实收益之间的第一相对熵确定；对所述当前预期收益联合分布进行均值方差优化，得到所述多个待配置资产的当前目标资产配置比例。2.根据权利要求1所述的方法，其特征在于，在所述按照目标线性回归权重对所述当前目标收益后验联合分布以及所述多个待配置资产对应的预设的收益先验联合分布进行线性融合，得到所述多个待配置资产的当前预期收益联合分布之前，包括：根据各个所述历史数据采集周期与所述当前时间点之间的间隔时长分别确定各个所述历史数据采集周期对应的时间衰减权重；根据所述时间衰减权重对各个所述历史数据采集周期对应的所述第一相对熵进行加权求和，得到所述当前时间点上所述损失函数的值。3.根据权利要求2所述的方法，其特征在于，所述群智能优化算法包括粒子群算法；在所述按照目标线性回归权重对所述当前目标收益后验联合分布以及所述多个待配置资产对应的预设的收益先验联合分布进行线性融合，得到所述多个待配置资产的当前预期收益联合分布之前，包括：随机生成初始粒子群；所述初始粒子群中的一个粒子由所述收益后验联合分布对应的第一初始线性回归权重以及所述收益先验联合分布对应的第二初始线性回归权重组合得到；从所述初始粒子群中确定所述损失函数的函数值最小的个体最优粒子以及群体最优粒子；根据所述个体最优粒子与所述群体最优粒子之间的距离以及预设的学习因子对粒子更新速度进行迭代更新；根据更新后的粒子更新速度对所述初始粒子群中的粒子进行迭代更新，直至满足预设停止迭代条件；根据更新后的粒子群中所述损失函数值最小的粒子确定所述目标线性回归权重。4.根据权利要求1所述的方法，其特征在于，各个所述待配置资产对应的所述预测收益分布特征包括多个资产分析方分别针对所述待配置资产的收益相关预测特征；所述对所述多个待配置资产对应的所述当前预测收益分布特征进行组合分析，得到所述多个待配置资产对应的当前目标收益后验联合分布，包括：针对各个所述资产分析方，对所述资产分析方对所有所述待配置资产的所述预测收益
分布特征进行统计模拟，得到所述资产分析方针对所述多个待配置资产的模拟收益后验联合分布；根据各个所述资产分析方对应的所述模拟收益后验联合分布与所述真实收益联合分布之间的第二相对熵确定各个所述资产分析方对应的观点置信度；根据所述观点置信度对所述多个资产分析方对应的所述模拟收益后验联合分布进行加权池化，得到所述多个待配置资产对应的所述目标收益后验联合分布。5.根据权利要求4所述的方法，其特征在于，所述收益预测数据对应于所述多个资产分析方；所述根据所述观点置信度对所述多个资产分析方对应的所述模拟收益后验联合分布进行加权池化，得到所述多个待配置资产对应的所述目标收益后验联合分布，包括...
【专利技术属性】
技术研发人员：周英睿，
申请(专利权)人：国信证券股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。