| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 主要符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外文献综述 | 第9-13页 |
| 1.2.1 基于Mean-Variance模型国内外研究状况 | 第9-11页 |
| 1.2.2 基于Kelly公式模型国内外研究状况 | 第11-13页 |
| 1.3 本文工作 | 第13-15页 |
| 第二章 权重分离性约束的Mean-CVaR投资组合模型 | 第15-26页 |
| 2.1 Mean-CVaR建模相关知识 | 第15-17页 |
| 2.1.1 投资效果指标 | 第15-16页 |
| 2.1.2 在险价值VaR | 第16页 |
| 2.1.3 条件在险价值CVaR | 第16-17页 |
| 2.1.4 正则化稀疏 | 第17页 |
| 2.2 Mean-CVaR模型的建立 | 第17-18页 |
| 2.3 权重受控的Mean-CVaR模型的建立 | 第18-19页 |
| 2.4 实证分析 | 第19-25页 |
| 2.4.1 实验数据与实验方法 | 第19-21页 |
| 2.4.2 实验结果与分析 | 第21-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 在线投资组合模型 | 第26-33页 |
| 3.1 在线投资组合的数学模型 | 第26-27页 |
| 3.1.1 问题定义 | 第26页 |
| 3.1.2 简单示例 | 第26-27页 |
| 3.2 投资组合策略 | 第27-31页 |
| 3.2.1 基准策略 | 第27-29页 |
| 3.2.2 追涨策略 | 第29页 |
| 3.2.3 追跌策略 | 第29-30页 |
| 3.2.4 模式匹配策略 | 第30-31页 |
| 3.2.5 元学习策略 | 第31页 |
| 3.3 在线投资组合模型的算法框架 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于反转策略和被动主动算法的在线投资组合 | 第33-38页 |
| 4.1 被动主动均值反转策略 | 第33-34页 |
| 4.2 在线滑动平均反转策略 | 第34-35页 |
| 4.3 在线滑动鲁棒反转策略 | 第35-36页 |
| 4.4 本章小结 | 第36-38页 |
| 第五章 基于自适应的动态指数平滑法的在线投资组合 | 第38-46页 |
| 5.1 模型动机 | 第38-39页 |
| 5.2 自适应动态指数平滑法 | 第39-41页 |
| 5.3 实证分析 | 第41-45页 |
| 5.3.1 实验数据 | 第41页 |
| 5.3.2 实验结果 | 第41-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 总结 | 第46-47页 |
| 6.1 工作总结 | 第46页 |
| 6.2 研究展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录A 部分相关程序代码 | 第51-53页 |
| 个人简历 在读期间发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |