【报告摘要】报告将介绍基于机器学习预测的大类资产资产配置和行业配置建模研究。首先是大类资产配置方面的工作，利用互联网论坛文本数据结合文本挖掘技术构造投资者情绪主观指标，利用主成分分析方法得到日度投资者情绪综合指数，进一步构建因子筛选模型以筛选宏观、风格及情绪因子，基于长短记忆神经网络、支持向量机、梯度提升决策树、EGARCH、ARIMA以及最优权重组合预测等方法进行收益率预测，提出大类资产因子配置策略。然后是行业配置方面的工作，以10只沪深300一级行业指数作为研究样本, 通过AdaBoost集成算法生成Black-Litterman (BL)模型的投资者观点，以期克服投资者观点设置的主观性和不确定性，从而提升BL模型的可应用性。算例结果表明，BL-AdaBoost的投资绩效优于其它投资组合, 并且基于非线性机器学习算法的BL模型绩效表现要优于基于线性算法的BL模型。

 

【报告人简介】房勇，中国科学院数学与系统科学研究院副研究员，研究方向是金融工程与风险管理、运筹管理，兼任中国系统工程学会常务副秘书长，中国优选法、统筹法与经济数学研究会理事，《系统科学与数学》副主编、《系统工程理论与实践》、Journal of System Science and Information编委。出版学术专著5部,在European Journal of Operational Research和IEEE Transactions on Fuzzy Systems等国内外重要学术期刊上发表论文80余篇。