基于Knockoff的分位数回归变量选择方法及其投资组合决策应用

摘要：

在数据驱动时代,变量选择广泛应用于投资组合,如何从众多资产中挑选恰当的资产并进行配比,对稳定收益、控制风险非常关键.现有选择资产的方法未考虑到控制错误发现率(FDR),不利于作出稳健的投资决策.为此,本文在Lasso分位数回归下基于Knockoff方法控制FDR,并用于求解条件风险价值(CVaR)投资组合决策模型.其中,用Lasso惩罚实现变量选择,用Knockoff方法通过模仿解释变量的相关结构构造Knockoff变量,将变量选择的FDR控制在给定水平.模型在两步迭代算法下采用线性规划求解,模拟分析从不同的误差分布、变量分布和维度下多角度展开.结果显示,与已有模型相比,基于Knockoff的Lasso分位数回归模型能良好地控制FDR且呈现出最好的预测效果.最后基于上证50指数成分股进行实证分析,利用滚动建模技术进行投资组合决策分析,发现新模型在收益指标和风险指标上均具有一定优势.

关键词：分位数回归、Knockoff、Lasso惩罚、投资组合、CVaR

所属期刊栏目：40

分类号：C812(统计方法)

资助基金：国家自然科学基金;教育部人文社会科学研究项目;湖南省自然科学基金青年项目;长沙市自然科学基金项目;湖南省研究生科研创新项目

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：124-137