[发明专利]投资组合优化方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种投资组合优化方法、装置、设备及计算机可读存储介质，其中，方法包括：获取第一历史价格，根据第一历史价格以及第一模型，确定预测价格；根据预测价格，确定预测收益率、预测收益率对应的收益期望；根据分位数Huber损失函数、预测收益率以及收益期望，确定第二模型，根据ADMM算法，获得目标权重；或，根据有偏的均方误差损失函数、预测收益率以及收益期望，确定第三模型，并根据ADMM算法，获得目标权重；根据目标权重，若目标权重满足预设条件，则根据目标权重，更新资产。本发明能够根据第一历史价格以及预测价格，得到各个资产合理的目标权重，有助于提升投资收益、减小投资风险和交易成本。

技术领域

本发明涉及投资组合优化技术领域，尤其涉及一种投资组合优化方法、装置、设备及计算机可读存储介质。

背景技术

现有的投资组合优化模型仍存在许多不足，如投资组合优化模型往往利用历史价格的统计特征来选择投资组合，但股价的走势变动往往受多方面因素的影响，仅仅通过资产的历史统计特征来衡量其投资潜力往往存在较高偏差。在面对熔断、股灾等极端行情时，基于资产的历史表现来进行投资的做法具有极高的风险性。

在投资组合优化阶段，现有的稀疏投资组合优化模型通常使用均方误差作为模型目标函数。均方误差函数会对模型输出结果与真实值之间的正残差和负残差给予同等程度的惩罚。但在实际投资场景中，当模型输出投资组合的收益大于用户的预期收益时，意味着用户投资的实际回报要大于预期回报；相反，当模型输出投资组合的收益小于用户的预期收益时，意味着用户的投资实际回报要小于预期回报。显然，用户在实际投资时都希望投资回报越大越好，也就是说用户希望增加第一种情况的发生概率，减少第二种情况的发生概率。因此，均方误差函数无差别地惩罚模型输出投资组合收益与预期收益之间的正残差和负残差，并未充分考虑用户投资的实际需求。

稀疏Markowitz优化模型利用范数来降低所选资产的数目。但由于范数的引入使得此类模型无法直接添加无做空约束条件（no short-selling constraints）。否则无做空约束和原有的投资权重之和为1的约束将共同导致范数失效。范数通过调节惩罚参数控制投资组合的稀疏度，不能直接控制投资资产的数目。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种投资组合优化方法、装置、设备及计算机可读存储介质，旨在解决现有投资组合优化效果较差的技术问题。

为实现上述目的，本发明提供一种投资组合优化方法，所述投资组合优化方法包括以下步骤：

获取各个资产在过去多个时间点的第一历史价格，并根据所述第一历史价格以及预设的第一模型，确定所述资产未来多个时间点的预测价格；

根据所述预测价格，确定预测收益率、所述预测收益率对应的收益期望；

根据分位数Huber损失函数、所述预测收益率以及所述收益期望，确定第二模型，并根据ADMM算法，使第二模型收敛，其中，收敛后的第二模型的输出为各个资产的目标权重；或，根据有偏的均方误差损失函数、所述预测收益率以及所述收益期望，确定第三模型，并根据ADMM算法，使第三模型收敛，其中，收敛后的第三模型的输出为各个资产的目标权重；

根据所述目标权重，确定所述目标权重是否满足预设条件，若满足，则根据所述目标权重，更新所述资产。

进一步地，所述根据所述第一历史价格以及预设的第一模型，确定所述资产未来多个时间点的预测价格的步骤包括：

在所述第一历史价格中确定最晚的时间点对应的第二历史价格，并在所述第一历史价格中确定除第二历史价格的第三历史价格；

将所述第一历史价格输入至时序分解模块中，以获得各个过去时间点对应的趋势信息；

将所述第三历史价格输入至编码模块中，以获得编码信息；

根据所述第二历史价格、所述趋势信息以及所述编码信息，确定所述预测价格。