| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究综述 | 第10-13页 |
| 1.2.1 国外研究综述 | 第10-11页 |
| 1.2.2 国内研究综述 | 第11-13页 |
| 1.3 本文创新点 | 第13-14页 |
| 1.4 研究内容与结构安排 | 第14-15页 |
| 第2章 现代投资组合理论中的基本模型 | 第15-29页 |
| 2.1 Markowitz 模型 | 第15-18页 |
| 2.2 资本资产定价模型 | 第18-19页 |
| 2.3 Black-Litterman 模型 | 第19-27页 |
| 2.3.1 Black-Litterman 模型的数学推导 | 第20-22页 |
| 2.3.2 Black-Litterman 模型的参数设定 | 第22-27页 |
| 2.3.3 最优配置权重的计算 | 第27页 |
| 2.4 投资组合的绩效评价 | 第27-28页 |
| 2.4.1 下行风险 | 第27-28页 |
| 2.4.2 风险价值 | 第28页 |
| 2.4.3 夏普比率 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 观点收益的优化方法 | 第29-38页 |
| 3.1 梯度提升回归树算法 | 第29-33页 |
| 3.1.1 提升回归树算法 | 第29-31页 |
| 3.1.2 梯度提升算法 | 第31-33页 |
| 3.2 卡尔曼滤波算法 | 第33-36页 |
| 3.2.1 卡尔曼滤波算法的过程 | 第34-35页 |
| 3.2.2 卡尔曼滤波算法的实现 | 第35-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第4章 Black-Litterman 模型的参数优化及资产配置分析 | 第38-53页 |
| 4.1 数据选取和预处理 | 第38页 |
| 4.2 结合 GBRT 算法的 Black-Litterman 模型 | 第38-46页 |
| 4.2.1 参数优化及计算 | 第39-43页 |
| 4.2.2 资产配置分析 | 第43-46页 |
| 4.3 结合 Kalman 滤波算法的 Black-Litterman 模型 | 第46-52页 |
| 4.3.1 参数优化及计算 | 第46-49页 |
| 4.3.2 不同信心水平下的资产配置分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间获得的科研成果 | 第59-60页 |
| 附录 | 第60-63页 |
