Dependency Network-Based Portfolio Design with Forecasting and VaR Constraints
创建于 更新于
摘要
本研究提出一种结合统计社会网络分析、时间序列预测与VaR风险管理的新型股票组合优化框架。利用2020-2024年S&P 500日线数据，通过VAR和FEVD构建以股价影响力为权重的网络，并使用最小生成树提取核心结构，挑选高中心度股票构建动态组合，配合ARIMA和神经网络预测模型优化选股。实证结果表明，该策略尤其是NNAR增强版本，年收益率显著超越基准，最高达到85.65%，展示了网络结构与风险调整预测相结合的优越性与适应性 [page::0][page::13][page::15][page::17]
