华安证券-“学海拾珠”系列之一百九十：基于改进的CTGAN~Plus~Features的资产配置优化方法-240529

　　主要观点：

　　本篇是“学海拾珠”系列第一百九十篇，文章提出了一种新的投资组合优化方法，包含合成数据生成技术、特征信息增强以及CVaR约束。http://www.hibor.com.cn【慧博投研资讯】

　　融合CvaR约束与特征信息的投资组合问题

　　考虑到大多数投资组合更注重避免损失而不是波动，文章选择条件风险价值（CVaR）作为合适的风险度量，并将非线性优化问题进行离散化与线性化。http://www.hibor.com.cn（慧博投研资讯）同时，文章根据特征与经济环境的相似性对收益序列赋予相应的重要性，以此将特征信息添加到优化问题中。

　　使用改进的CTGAN模型生成合成数据

　　文章旨在通过CTGAN生成能够感知市场环境的合成数据，具体步骤包括对原始数据集利用PCA进行正交化处理，并通过聚类方法生成离散向量，然后使用主成分与离散向量训练CTGAN以生成合成样本。最后，利用存储的特征向量将合成数据集反向投影到原始空间中，得到最终的合成数据集。这一过程为优化问题提供了足量数据，并确保了合成数据通过适应不同市场环境以更好地捕捉历史数据的基本特征。

　　案例分析表明CTGAN-方法的有效性

　　文章选取十种资产进行回测，结果显示，CTGAN生成的数据能很好地捕捉历史数据的基本特征，并且将合成数据与基于CVaR的优化框架结合使用时，可生成样本外性能令人满意的投资组合。

　　文献来源

　　核心内容摘选自José-Manuel Pe？a, Fernando Suárez, Omar Larre,Domingo Ramírez, Arturo Cifuentes于2024年2月22日在QuantitativeFinance上的文章《AModified CTGAN-Plus-Features Based Method forOptimal Asset Allocation》

　　风险提示

　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。