学院动态

您现在的位置是:首页>学院动态 >详细内容

我校青年教师赖兆荣在资产配置领域的重要研究成果发表在TNNLS上

来源:作者:发布时间:2017年07月17日 浏览次数: [字体: ]

近日,我校信息科学技术学院数学系青年教师赖兆荣以第一作者身份撰写的论文A Peak Price Tracking-Based Learning System for Portfolio Selection(DOI号:10.1109/TNNLS.2017.2705658)发表在国际顶尖学术期刊IEEE Transactions on Neural Networks and Learning Systems(TNNLS)上。详情请看网页链接:http://ieeexplore.ieee.org/document/7942104/

TNNLS是人工神经网络及机器学习领域的顶尖期刊,属于中科院SCI工程技术大类一区,2016-2017年的影响因子为6.108。TNNLS对论文的质量有着极高的要求,审稿过程非常严格,国内科研机构每年独立在TNNLS上发表的论文较少。

近年来,随着人工智能及机器学习的深化发展,科技金融(FinTech)作为一个新兴产业,逐渐萌芽并茁壮发展。其本质在于把人工智能及机器学习技术应用于金融领域,对各种金融问题进行量化的分析,并以科学、客观的手段及数据进行推断与决策,从而提高决策能力与水平,避免人为决策的片面性、偏差或错误。这其中的一个重要课题就是资产配置,即如何把财富配置到金融市场的各项资产当中,以实现某种长期的经济、金融目标。目前,用于资产配置的主流先进机器学习系统均采用“趋势反转”(Trend-Reversing)准则,其理论基础是Fama的传统理论——有效市场假说。

但是,当代实证金融研究发现了大量违背有效市场假说的现象,资产价格往往会对各类信息过度反应,非理性的投资行为不断出现。例如,人们更愿意相信价格不断攀升的资产还将继续攀升,因而大量购买,从而继续推高价格。因此,“趋势跟踪”(Trend-Following)准则在投资界再度受到重视。尽管如此,基于趋势跟踪准则的有效的机器学习系统却较为缺乏。因此,赖兆荣老师及其合作研究人员提出了一个基于最高价格追踪原理的机器学习系统。该系统利用最高价格来提炼出各项资产的增长潜力,然后据此分配各项资产的投资比重。它对增长潜力大的资产增加投资,对增长潜力小的资产减少投资,从而实现趋势跟踪的目的。详尽的实验表明,该系统的投资效果及各类风险指标均优于最先进的趋势反转系统。

该研究得到暨南大学人才引进科研启动基金、国家自然科学基金重点项目、国家自然科学基金面上项目、中央高校基本科研业务费专项资金等项目的资助。文章的发表也表明我校的科研水平和青年教师的培养在高水平大学建设战略下得到明显的提升。

 

(信息科学技术学院数学系)

[打印文章] [添加收藏]