20240529-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_22页_2mb

报告总结：基于改进的CTGAN-Plus-Features的资产配置优化方法

这份证券研究报告提出了名为“学海拾珠”系列第一百九十篇的分析，焦点是一种基于改进的CTGAN-Plus-Features方法的资产配置优化模型。该方法结合合成数据生成、特征信息增强和CVaR约束，旨在提升投资组合的选择效率。CTGAN（条件生成对抗网络）模型经过优化，能感知市场环境，生成更真实的样本数据。

核心观点包括：选择CVaR作为风险度量，因为它更注重损失而非波动率，更适合中长期投资者；利用PCA正交化和聚类方法预处理历史数据，生成合成样本并反向投影，确保数据捕捉历史特征；案例分析使用十种资产回测，显示该方法生成的样本外性能优异，优于不考虑特征的策略和等权配置。

报告概述了合成数据生成过程：首先对原始数据集应用PCA和t-SNE降维，HDBSCAN聚类生成离散向量，然后训练改进的CTGAN模型，结合特征信息增强优化框架。优化问题被转化为线性规划形式，解决了原始非线性CVaR约束。回测结果显示，CTGAN方法在收益、风险降低和组合分散性上表现突出，尤其是加入特征后能显著提升结果。等权策略表现较差。

结论强调方法的优势在于合成数据的质量和特征融合，基于2024年海外文献，但风险提示其结论依赖历史数据，不构成实际投资建议。

该研究扩展了传统马科维茨方法，结合机器学习技术解决均值-方差模型的局限，对资产配置提供新思路。