【摘要】随着可投资资产与资产信息的爆炸式增长，投资组合选择研究面临资产和特征双重高维挑战。为此，本文提出一个基于机器学习和资产特征的投资组合选择框架，该框架借助机器学习技术的天然优势，运用高维特征直接预测投资组合权重，避开了常规的两步投资组合管理范式中的收益预测过程，并用于中国股票市场的资产配置研究。结果显示：1) 基于此框架提出的投资策略能够捕捉高维特征中的增量信息，并挖掘资产特征与投资权重之间线性与非线性关系，大幅提升了投资绩效；2) 交易摩擦类特征是投资权重预测中最为重要的资产特征；3) 策略在套利限制较为严重的股票上回报更高，而对宏观经济状态变化的敏感性较低;在其他经济约束下，策略表现依然稳健。本文拓展了现代投资组合理论的研究框架，促进了人工智能与量化投资领域的交叉融合发展。

【关键词】投资组合选择；人工智能；资产特征；大维资产配置；量化投资

该文发表于《系统工程理论与实践》2024年第1期，该期刊为武汉大学经济与管理学院学术期刊分级方案B+级奖励期刊。屠雪永为金融工程2020级博士研究生，为本文通讯作者。