Slide
Slide
Slide
Hitachi_AI_HCI
Hitachi_HCI
HCI
previous arrow
next arrow

創新科技基金資助香港大學研發項目

PORTimizerTM
香港大學統計與精算科學系副教授楊良河博為啟發學生應用相關的金融理論來找出最佳的投資組合,開發了PORTimizerTM的投資組合優化軟件。

隨著分散式阻斷服務(DDoS)攻擊,近年在亞太地區持續升級,並不斷湧現新的動機、戰術和向量,商業機構和各組織均發現,投放資源開發DDoS解決方案來防禦這些攻擊,以保護關鍵業務及服務至為重要。

由創新科技基金資助、香港大學工程學院「資訊保安及密碼學研究中心」開發的「神盾計劃(SHIELD)」,旨在提供一個平台,以對抗有組織的網絡犯罪分子,以及愈來愈多的尖端網絡攻擊。

智能學習流量模式

SHIELD系統透過安裝智能盒,讓用戶遭受DDoS時,可進行智能數據包過濾,以確保業務不受影響。SHIELD智能盒的設計容易攜帶,隨插即用,亦能抵抗機械衝擊。它允許維護工程師和前線技術支援人員,在非個人電腦友好的環境中仍能進行配置,毋須額外設備。換言之,若一個機構有採用SHIELD,當其電腦系統受到網絡攻擊時,SHIELD的保護會立即生效,恢復正常業務。

當沒有受到攻擊時,SHIELD將取樣和收集數據包,來學習基本的流量模式。收集得來的數據包將通過SHIELD進行清理,刪除敏感內容。已清理的數據包,將被發送到TESTUDO服務器,進行網絡攻擊分析。而如果攻擊是屬於小規模時,SHIELD可以根據網絡攻擊分析模型,收集已清理數據包,並發送給TESTUDO服務器以確定潛在的攻擊源。

和其他區內商業產品比較,SHIELD和TESTUDO服務器不僅可以保護客戶免受DDoS攻擊,還提供數據清理、追溯規劃和網絡攻擊分析,以幫助所有相關持份者,有更充分的準備,去面對潛在的網絡攻擊,並在受到攻擊時,能更迅速作出回應。SHIELD的執法版更能收集攻擊數據,讓執法人員可以隨時分析有關資料。

啟發學生應用金融理論找出最佳投資組合

另一個項目,由香港大學統計與精算科學系副教授楊良河博士負責。楊良河博士表示,為啟發學生應用相關的金融理論,來找出最佳的投資組合,他在2003年獲得教學發展基金的資助,開發了一個名為PORTimizerTM的投資組合優化軟件。由2005年初開始,PORTimizerTM在其任教的科目「投資風險統計」首次被使用。多年來,軟件已加入更先進功能,並進一步引入楊博士的研究結果 ── 新投資組合方法「GPQ」。

投資智庫(PORTimizer)優化投資軟件組合,讓用戶可從不同的方式,選擇將歷史數據輸入或加載到PORTimizer,對資產進行描述性分析,建造新投資組合,追蹤投資組合中資產的變化,制定優化約束要求,使用不同的基本及進階統計模型去優化投資組合,並可以檢視回溯測試優化後投資組合的表現,以及模擬預測未來表現。

上下幅度估算準繩度高於「馬科維茨 」均值方差

傳統上,要優化投資組合,可以應用「馬科維茨 」(Markowitz)均值方差的模型,來分析過去的資產回報數據,從而估計資產的預期收益(expected return)、風險,和每兩項資產之間的相關系數(correlation coefficient)。不過,此方法忽略了優化期間,估算輸入參數的採樣變化。早前,楊博士的研究團隊根據「廣義樞軸量」,即GPQ的概念,提出了最佳投資組合比重的直接估計方法。透過GPQ方法,可以估算出最佳的投資組合比重及上下幅度。

模擬結果顯示,對於上下幅度的估算,GPQ方法可以比重新採樣(resampled),和減少重新採樣方法(resampled shrinkage method)表現更佳。一般來說,GPQ方法可以保證良好的覆蓋率,其平均間隔寬度小於重新採樣方法。對於點估算方面,GPQ方法在大多數情況下比「馬科維茨」的均值方差模型,和重新採樣方法的誤差,分別減少最多百分之43及29。團隊並將此方法應用於「再平衡投資組合的問題」上(portfolio rebalancing problem),透過估計最佳投資比重及其上下幅度,建議投資組合重新平衡的策略,並說明了這種動態再平衡策略,可以幫助投資者獲得更高的回報。

軟件的試用版本,現可免費下載,可選的資產數目和財務數據量會有限制。有關安裝的詳細資料,請瀏覽以下網址:

http://www.riskscientist.com/portimizer_v3

Leave a Reply

Your email address will not be published. Required fields are marked *