[发明专利]基于社会网络聚类和信息增益熵指标的FOF基金投资组合系统及方法

说明书

技术领域

本发明设计一种基金投资组合选取系统及方法，尤其涉及一种基于社会网络聚类的FOF基金投资组合技术，属于数据分析和资产组合领域。

背景技术

FOF(fund of fund)也被称作基金的基金，不同于一般的基金，FOF绝大部分资产投资于其他的基金，基本不直接投资股票、债券、衍生品等金融产品。FOF通过基金的组合，可以提供较高预期收益且风险可控，这类产品正日益受到投资者的关注。随着FOF的快速发展，无论是实务界还是学术研究，都希望有更有效的方法去构建FOF组合，去达成投资目标并能有效控制风险。

目前国内外的相关研究中，对资产组合的研究主要以风险度量进行深入优化，或融入交叉学科如数学、模糊理论、复杂网络等对资产组合理论进行创新。现阶段利用社会网络来研究股票市场的文献和相关成果比较多，但是利用社会网络模型来进行量化选股、进行股票优化的文献和理论还不成熟。对于FOF的探索主要在资产配置的定量描述方面，对于FOF基金组合构建的优化模型较少。

目前，研究基金市场社会网络的内容主要集中在基金关联网络的拓扑结构和性质以及聚类分析中，但通过社会网络进行选股的研究寥寥无几。有学者提出，把基金市场中的基金作为网络中的点，基金之间的相关性作为网络中的边，构建基金市场关联网络，对网络进行聚类分析，把基金关联网络划分成若干类，然后选择每一类的聚类中心基金作为投资基金。这种方法选出的聚类中心基金在一定程度上代表同类中的其他基金，同时，由于选出来的聚类中心基金属于不同的类，他们之间的相关性非常小，能最大程度的分散非系统性风险。但是，当聚类数发生变化时，聚类中心基金经常会发生较大变化。此外，使用不同的聚类算法，选出来的聚类中心基金也大不相同，这都会使得投资策略的波动率变得较高。为了解决这个问题，本文尝试把信息熵理论运用到社会网络量化选股模型中。

本发明为解决上述技术问题采用以下技术方案：

一种基于社会网络聚类和信息增益熵指标的FOF基金投资组合方法，包括以下步骤：

(1)、从第三方数据库中采集上月和当月的基金数据，并对数据进行清洗，得到能用于研究的样本数据；

(2)、根据样本数据构建训练模型，对基金采用社会网络聚类模型进行聚类

(3)、对于聚类得到的每一个类计算基金的信息增益熵，选取每一个类里信息增益熵最大的一支基金构建投资策略组合。

进一步，本发明的基于社会网络聚类和信息增益熵指标的FOF基金投资组合方法，在步骤(1)中，对所有收盘价数据进行数据清洗，包括：删除掉交易日数据缺失值超过20％的基金、删除掉数据在最开始5天和最后5天存在缺失值的基金、对于存在缺失值的基金，利用插值法把缺失的数据进行补全。

进一步，本发明的基于社会网络聚类和信息增益熵指标的FOF基金投资组合方法，在步骤(2)中，是从基金中提取相关性较低且具有代表性的基金，具体流程包括：用基金间的相关系数计算度量距离，构建基金间的社会网络，用自适应放射传播聚类算法对网络进行聚类。

进一步，本发明的基于社会网络聚类和信息增益熵指标的FOF基金投资组合方法，在步骤(3)中，所述减小投资策略的波动性是通过在每一类中选取信息增益熵最大的基金作为该类的基金中心，具体为：计算基金的信息增益熵，按类中基金的信息增益熵进行排序，选取信息增益熵最大的基金作为中心基金。

进一步，本发明的基于社会网络聚类和信息增益熵指标的FOF基金投资组合方法，在步骤(2)中，用基金间的相关系数计算度量距离，构建基金间的社会网络，用自适应放射传播聚类算法对网络进行聚类，具体如下：

A、计算研究样本的对数收益率r_i(t)，r_i(t)＝lnp_i(t)-lnp_i(t-1)，得到基金的对数收益率序列；其中，p_i(t)表示第i只基金在第t时间的前复权收盘价；

B、基于对数收益率序列，计算任意两只基金i和j在观测时间内价格波动的线性相关系数ρ_ij，其中E(r_i)表示第i只基金在样本内的平均对数收益率，t₁表示样本内总交易天数；

C、根据任意两只基金间的相关系数构建相应的相关系数矩阵C，其中C为对角线为1的对称矩阵；