股票市场作为金融市场最重要的部分,一直都与人们的生活有着密不可分的联系,中国股市自建立以来,学者们从未停止过对股票市场的研究。我国市场机制不完善,政治变动、市场情绪等因素对股市的影响非常大,在近30年的发展中,股市经历了众多的起伏与波折,投资者开始逐渐重视风险管理的必要性。组合投资是一种分散风险的方式,但是在构建股票组合的过程中,如何选股以及如何对资金进行分配成为投资者思考的问题。Markowitz(1952)提出的投资组合理论为资产配置提供了理论基础,但由于模型中的期望均值与协方差矩阵这两个输入参数很难定量估计,模型的实用性不强。为研究多项资产间的协方差估计,Bollerslev(1988)等在GARCH模型基础上,提出早期的多元GARCH模型,以描述多维变量的波动溢出效应,为资产间的协方差估计提供模型支撑。但是由于模型无法同时克服“维数灾难”和动态相关性两大难题,因而基于多元GARCH估计的协方差矩阵在Markowitz投资组合理论中的实用性不强。Alexander(2001)提出OGARCH模型,利用主成分分析提取正交因子,再运用一元GARCH模型预测每个正交因子的风险情况,它深入研究了大型投资组合的协方差估计,以刻画组合内各资产间的动态相关性。基于这些模型对投资组合的研究非常广泛,但与此同时也有大量学者热衷分析个股的短期走势,Jordan(1986)提出的循环神经网络模型(RNN)考虑了序列前后间的相关性,这一点正好符合金融资产的时序性的特征,因此逐渐运用于金融资产的预测上。Hochreiter等(1997)提出的长短时记忆模型(LSTM)在RNN基础上,添加记忆储存单元,使模型具有更优的记忆能力。随着对分散风险的逐渐重视,越来越多投资者进行多元化投资,在股市中构建投资组合有两个方面的问题:第一是选择哪些行业的股票,第二是在各行业分配多少资金。本文基于Markowitz投资组合理论提出一种资产配置方案,为投资者解决这些问题。由于Markowitz理论中协方差估计困难,因此引入OGARCH模型来预测协方差并将其代入均值-方差模型,从而构建动态配置方案。本文选取中国A股市场行业指数的周收益率为研究对象,基于行业指数构造股票组合,实现对组合的中期(周度)调仓管理。进一步地,投资者往往还希望利用股票每日的波动行情,对行业内关键个股做周内调整,从而弥补周度调仓可能错失周内行情的缺陷。因此本文继续运用LSTM模型预测股价走势,并制定短期交易方案来检验对个股的短期调整是否有效,这也是对中期投资组合管理的一种优化和扩展。本文基于OGARCH模型和LSTM模型提出一种资产中短期配置的方案,通过实证分析得出以下结论:(1)OGARCH模型对方差和协方差的预测能力分别超越了GARCH和CCC-GARCH模型,说明OGARCH预测能力有所改进。(2)基于OGARCH构造的中期投资组合在牛市、熊市以及震荡市的回测表现均超越CCC-GARCH,盈利性优于大盘,并且在最小风险水平下OGARCH组合业绩胜过1/N策略,说明基于OGARCH制定的方案有效,具有一定的参考价值。(3)方案建议投资者在牛市中可适度提升风险容忍度,在其他行情中应以风险最小化为投资前提。(4)对于极度厌恶风险的投资者,不建议在没有明显利好的行情中分散化投资;对于有一定风险承受能力的投资者,股票池可覆盖多行业多领域,调仓行为可表现得更激进。(5)LSTM模型对个股走势的判断具有一定的参考价值,基于该模型对股票池内个股做短期调整是有效的。本文研究的创新点主要有:(1)将OGARCH模型引入中国股市,基于模型自身优势,可以保证协方差矩阵的正定性,同时能在避免“维数灾难”的同时刻画资产间的动态相关性,用它来度量中国股市不同行业的相关度,并与均值-方差模型相结合来构建投资组合具有创新性。(2)在研究中期投资组合的基础上,进一步考察组合内关键个股的短期波动,运用LSTM模型对个股做日度调仓,更好的把握个股周内波动的行情,是对中期组合配置方案的一种优化和扩展,也符合投资者对中短期投资相结合的真实需求。(3)方案针对不同风险承受能力的投资者,分别就牛市、熊市和震荡市行情给出了相应的选股建议和调仓方案,为投资者在真实的股市投资中提供了比较全面的参考。由于研究水平有限,本文研究还存在不足之处:(1)由于篇幅限制,只选取了GARCH与CCC-GARCH为对比模型,没有提供更多的复杂模型来与OGARCH做比较。(2)只讨论了京东方股价的短期调整,研究范围太小,无法判断LSTM模型能否广泛适用于中国股市。因此,进一步的研究可以加入更多的对比模型,结合各自的优势对OGARCH模型做进一步优化。同时可以选取多个行业内的个股进行研究,并将个股短期调整与中期组合配置充分结合,进一步优化投资方案。