人工智能50：再探cGAN资产配置——华泰证券深度研究，系统梳理条件生成对抗网络在资产配置中的应用
华泰证券深度研究报告，系统梳理条件生成对抗网络（cGAN）在资产配置中的方法论与实证结果。基于多资产历史收益率序列，cGAN生成未来收益率及协方差，优于传统历史波动率方法。在国内、全球及A股板块配置中，cGAN在风险预算和均值方差模型表现更优，仓位和风险分配更接近理想情形。
报告摘要
华泰证券深度研究报告，系统梳理条件生成对抗网络（cGAN）在资产配置中的方法论与实证结果。基于多资产历史收益率序列，cGAN生成未来收益率及协方差，优于传统历史波动率方法。在国内、全球及A股板块配置中，cGAN在风险预算和均值方差模型表现更优，仓位和风险分配更接近理想情形。
核心要点
- cGAN预测资产收益均值及协方差的核心思想
- cGAN和传统方法应用于均值方差模型
- cGAN预测协方差更接近真实协方差
- cGAN累计超额收益
报告信息
- 文件全名
- 《人工智能50：再探cGAN资产配置-华泰证券》
- 适合读者
- 核心数据
- 1000次生成
- 20个交易日
- 40个交易日
- 核心议题
常见问题
《人工智能50：再探cGAN资产配置——华泰证券深度研究，系统梳理条件生成对抗网络在资产配置中的应用》主要包含哪些内容?
华泰证券深度研究报告，系统梳理条件生成对抗网络（cGAN）在资产配置中的方法论与实证结果。基于多资产历史收益率序列，cGAN生成未来收益率及协方差，优于传统历史波动率方法。在国内、全球及A股板块配置中，cGAN在风险预算和均值方差模型表现更优，仓位和风险分配更接近理想情形。核心数据:1000次生成;20个交易日;40个交易日。
这份报告由哪家机构发布?
本报告由华泰证券发布,发布于 2021 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2021 年,全文约 27。
这份报告是免费的吗?如何获取?
本报告为付费报告,可在资料宝站内下单后获取完整内容。
这份报告适合哪些读者?
适合量化研究员、资产配置经理、金融从业者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、资产配置中、cGAN、人工智能等议题。
继续阅读
查看全部 →