基于因子载荷二叉树的高维投资组合优化

二叉树结构有助于张成复杂的资产空间.针对个股,文章使用多种不同的划分依据生成了多层的二叉树,并对所有节点组合张成的高维资产空间进行了投资组合优化.具体的,文章首先选取三种适用于A股的因子:价值、规模和换手率,在此基础上生成4种不同的二叉树组合(TS)数据集进行高维投资组合优化.随后,基于A股2000年至2020年所有股票数据,文章的实证结果显示,相比直接基于个股,基于树组合进行投资组合优化能够显著改善全局最小方差(GMV)和均值-方差(MV)策略以及带稀疏惩罚项GMV和MV策略的样本外夏普率、标准差和最大回撤率表现.最后,基于前新冠疫情数据集的结果表明本文结论具有很好的稳健性.