一、投资组合均值-方差模型和极小极大模型的实证比较(论文文献综述)
刘毅男[1](2021)在《GAS框架下的投资组合风险测度与优化研究》文中进行了进一步梳理近几年计量经济学领域最为重要的创新之一便是广义自回归得分(GAS)理论框架,其通过构建得分函数来实现时变参数的更新,为金融时间序列的研究提供了新的理论框架。其出色的适应性能够被应用在金融领域多个问题的研究中,特别是风险研究领域。金融资产的风险测度问题一直是金融时间序列研究的重点问题,准确的风险测度和精准的风险预测对于了解金融资产风险情况并进行相关投资决策具有重要的理论和实践意义。近些年来,中国金融市场发展迅速,A股上市公司数量持续增加,投资者可选择标的也不断增加,同时,期货市场的发展也为投资者带来了更多的金融工具,投资组合也由单一的股票投资组合延伸到了期现货投资组合中。因此,如何选择投资组合的风险测度方式也成为了我国学术实践领域研究的重点问题。此外,随着计算机技术的发展,计算能力的不断提高也为高频数据的建模提供了有力的支持,特别是近些年量化投资的快速兴起,进而也带动了高频交易的发展。高频数据可以带来更多信息,但由于市场微观结构的影响也伴随着大量的噪声,如何采取合适的降噪方法构建有效的高频多元资产的波动率模型进行投资组合的风险测度伴随着量化投资技术的发展开始逐渐受到重视。因此,本文在详细梳理GAS理论框架、投资组合的风险测度、投资组合优化、高频资产组合的波动率研究以及期现货投资组合优化等方面的已有研究成果的基础上,基于GAS框架构建了多个一元和多元资产投资组合的风险测度及优化模型,在数据频率上包含了高频数据下的投资组合已实现协方差的预测问题研究,在组合资产种类方面也加入了期现货投资组合的套期保值优化问题的研究。具体而言,本文首先将GAS框架引入到金融资产的风险研究问题中,给出GAS框架模型的基本表达式,基于基本的表达式进行改进,并将其与传统的GARCH模型结合,构建了GAS-GARCH-sst模型,通过实证研究分析GAS框架在风险测度和VaR预测方面的优势;随后,本文将单一金融资产风险的测度延伸到多元资产组合的研究中,为了刻画投资组合中资产之间的相依性,构建了R-Vine结构,并引入GAS框架提出了R-Vine-GAS-sst模型,并将其应用到基于中国股票市场的投资组合的研究中;研究完成基于日数据的低频投资组合风险测度的问题后,本文进一步将研究扩展到高频数据的研究中,应用GAS框架构建了GASWishart-Realized-GARCH模型,提供全新的高频多元资产波动率模型;最后,本文进一步将投资组合由单一的多头组合扩展至具有多空双边的期现货投资组合,以风险最小化为原则,将GAS框架与极值理论和Copula函数相结合,构建了多种套期保值估计模型,实现套期保值效果的优化。本文的主要结论有:第一,将GAS理论框架引入到金融资产的风险研究中,构建改进的模型能够有效解决异常值影响的问题,因此可以看出通过引入得分函数作为更新驱动的GAS框架所创新的GAS-GARCH-sst模型能够降低模型受异常值的影响,对金融资产的风险测度更加准确;第二,相比于传统的GASGARCH-sst模型,基于GAS框架的创新完善的GAS-GARCH-sst模型预测单一资产的VaR能力更强,GAS框架的应用可以有效提升风险的预测能力;第三,在投资组合的风险测度方面,GAS理论框架在应用于中国股票市场投资组合的风险预测方面能够显着提升预测能力,R-Vine-GAS-sst模型可以显着提升投资组合VaR的预测效果;第四,在投资组合的优化方面,基于GAS框架构建的新的投资组合优化模型能够在风险降低程度更高的同时实现更高的收益水平,优化能力较强;第五,引入GAS框架后再一次确定了过往研究中所认为的在风险最小投资组合模型的构建中,以CVaR作为风险测度方式相比于VaR具有更好的效果的结论;第六,在金融高频数据的研究中,基于5分钟子抽样降噪技术构建的波动率模型效果较好,是在中国市场估计已实现协方差矩阵的较好的降噪方法;第七,基于GAS框架的GAS-Wishart-Realized-GARCH模型可以对高频多元资产的波动率实现较好的预测效果,同时通过与实践领域中投资者和监管机构常用的EWMA模型对比发现,GAS-Wishart-Realized-GARCH模型对于已实现协方差的变化能够快速反应,更能够适应风险的变化,预测也更为精准;第八,将GAS框架应用到期现货投资组合的套期保值优化上,具有较为明显的优势,在样本外区间,极值Normal-Copula-GAS和极值Frank-Copula-GAS模型所估计的最优套期保值比率能够有效降低沪深300ETF和期货投资组合的风险;第九,期现货同比例持有的天真套期保值策略所实现的风险降低程度明显低于本章构建的OLS、DCC-GARCH、极值Normal-Copula-GJR、极值Frank-Copula-GJR、极值NormalCopula-GAS和极值Frank-Copula-GAS模型,并且成本更高,在投资实践中不宜使用。综上所述,本文将具有较高灵活性的GAS理论框架应用到金融时间序列的风险测度和投资组合的优化等方面的研究中,结合理论框架构建新的理论模型,针对于中国的金融市场提出了新的风险测度方法、投资组合的优化方法、高频多元资产波动率模型以及期现货投资组合的套期保值优化方法。本文的研究进一步丰富了金融资产风险测度研究的理论方法,将GAS理论框架引入到多个金融研究领域,将其与现有理论模型进行了融合和创新。同时,本文的研究也为投资者提供了多种具有较强适用性的投资组合风险测度和优化方式,帮助投资者有效识别并控制投资风险。
滕飞[2](2020)在《金融市场风险管理中两种模型的优化算法》文中研究说明随着金融市场的日益崛起,人们的理财观念越来越强,参与投资的人数与日俱增。由于投资方式变得更加丰富,投资产品更是琳琅满目,越来越多的金融风险相伴而生,金融市场也变得“危机四伏”,隐藏的风险与危机一触即发。由于金融风险危害性强、影响范围广,可能会造成较大的亏损甚至血本无归,对金融机构和投资者均造成了较大的影响,如何处理和应对这些金融风险成为研究的关键问题。目前,各大金融机构纷纷针对不同种产品的特点,构建风险预测模型并提出风险管理方法,学术界又对风险管理的模型方法加以优化和完善,其目的都是希望可以最大限度控制风险的同时使投资者获得尽可能高的收益,并制定出能够顺应时代发展、拟合真实市场的模型。在此背景下,本文对金融市场风险管理的两种模型的优化算法进行了研究,在原有模型算法上进行优化和改进,并对两种优化算法的收敛性进行了证明。通过随机选取的8只深证A股股票的实例分析,说明了选用的新算法使求解过程更易理解,以及在同等条件下可以使投资者获得更高利润的同时承担更低风险的实际意义。具体研究内容如下:由于最初将风险数量化的风险度量模型——在险价值(VaR)模型不具有充分性、一致公理性等性质,不能更好的求解,因此本文选用条件在险价值(CVaR)模型作为风险的度量进一步探究,此模型比VaR模型有更良好的数学特征。通过引入交易成本函数,使模型对成本和收益有更准确的描述,与真实市场更为契合。本文在对加入成本函数的CVaR模型进行求解时,采用了粒子群算法,并通过实例论证,得到了改进后的算法模型同样有效的结论。由于马科维茨提出的经典投资组合理论中均值-方差模型(MV)的假设条件过于苛刻,真实的资本市场无法满足这些条件,在实际应用中拟合度偏低,因此本文选用引入绝对偏差后构造的均值-绝对偏差模型(MAD)进行研究,将投资组合问题转换成一个新的约束优化问题,并采用广义共轭梯度投影法对此约束优化问题进行求解。通过对实例的计算分析,分别得到了不同度量值下的最优投资组合,得出了度量值越大风险越低的结论。本文采用理论与实际相结合的方法,将优化算法应用到风险管理中,论证了模型的合理性和有效性。因此发现对模型的不断优化和改进,使模型更加符合市场规律的同时,还能够更加准确的评估风险、科学的管理风险、有效的控制和规避风险。
涂蓓[3](2020)在《奈特不确定性下的投资者资产组合交易行为》文中研究表明Markowitz通过均值-方差模型研究资产组合构建及其交易行为引起学者们的广泛关注。均值-方差模型以其对收益和风险关系的平衡为资产组合交易行为问题提供了一个简洁有效的分析框架,激发了资产组合、资产定价和资产交易行为等领域系列丰富研究。近年来,Markowitz本人也对均值-方差模型的适用条件和局限进行了充分补充说明:一是客观上讲,假设资产收益分布特征已知,在确定性环境下研究资产组合交易行为问题与事实不符;二是“Ellsbergy悖论”明确指出投资者在不确定性环境下具有不确定性规避特征,是风险规避型,在最坏情景下表现更为明显,此时不确定性显着影响资产组合构建、交易行为及其业绩。因此,有必要进一步深入研究奈特不确定性情境下的投资者资产组合交易行为问题。本文假设投资者是风险规避型,基于均值-方差资产组合框架,运用相对熵测度模型参数奈特不确定性程度,构建奈特不确定性下的资产组合模型,分析投资者在最坏情景下的资产组合交易行为及其与资产组合业绩的关系。通过将风险溢价及其协方差从模型参数中单列出来,引入相对熵测度其奈特不确定性程度,建立最小—最大化资产组合模型,运用拉格朗日法获得模型的最优解析解,分析模型参数奈特不确定性对资产组合业绩的影响及其交易行为的调整。并选取宏观性、行业性和产业链性三种不同类型资产组合样本数据做对比实证研究。结果表明:(1)奈特不确定性显着影响资产组合交易行为。在最坏情景下,随着模型参数奈特不确定性程度的增加,投资者在资产组合交易中虽然增加风险资产的投资,但是其资产组合业绩在下降;(2)风险溢价不确定性对资产组合业绩影响显着。随风险溢价不确定性的增强,投资者增加风险资产投资,资产组合方差也随之增大,且方差增幅大于风险溢价增幅,阐释了金融市场中风险溢价不确定性具有“成本效应”问题;(3)资产风险溢价不确定性对于资产组合交易的影响强于风险溢价协方差不确定性。随着风险溢价不确定性的增加,资产组合方差也随之增长且增幅大于不确定性增加的程度;当风险溢价及其协方差不确定性同时存在时,风险溢价协方差不确定性呈现先增加后减小的变化趋势但资产组合方差却随不确定性增加而持续增大。(4)替代性投资有助于对冲资产组合风险,提升资产组合业绩。随模型参数奈特不确定性程度的增加,具有替代性特征的资产组合比具有互补性特征的资产组合业绩变化更大。研究阐述了奈特不确定性对资产组合交易行为的影响,洞悉金融市场中的经济现象,并基于此,提出优化奈特不确定性下资产组合交易行为的建议。因此,本文创新点主要表现为三点:一是引入相对熵方法测度模型参数的奈特不确定性,优化奈特不确定下的资产组合模型;二是基于风险中性测度提出最大有效相对熵概念,从奈特不确定性视角为最坏情景下资产组合交易行为研究提供了一个分析框架同时解释了“非市场参与”现象;三是基于对比实证分析,指出替代性投资在最坏情景下有助于提升资产组合业绩,有利于优化资产组合交易行为。但是研究也存在局限性,实际的资产组合交易过程通常是动态的,如何将奈特不确定性应用到动态资产组合交易模型中,还需要进一步深入的研究。
宋慧慧[4](2020)在《考虑交易费用的不确定投资组合模型研究》文中提出随着全球经济的一体化,越来越多的投资者将自己的资金投资到证券市场,投资者的资金按照一定投资策略在实现收益相对最大化收益的同时,通过将资产投资到不同的风险资产中来降低由于市场变化带来的风险。因此,如何得到最优金融决策和最优资产配置已成为众多学者和投资者关注的焦点问题。论文基于交易费用对三种投资组合模型进行研究,着力利用投资组合模型解决实际金融市场的金融问题,为投资着提供有力的科学依据。首先,研究了随机不确定性下含有改进交易费用的投资组合模型。论文将改进的交易费用函数引入目标收益函数中;以CVaR作为风险度量的方法,在投资比例的约束下,建立以收益最大和风险最小的多目标投资组合模型,并对模型进行实证分析,验证模型的有效性。其次,研究了主观模糊不确定性投资组合模型。用德尔菲法获得股票收益率的主观分布,首先,基于不确定理论分别对具有线性交易费用和非线性交易费用的投资组合模型进行了分析;然后,在数值实验中,给出了模型的数值解,并与不带交易费用的模型进行了对比;最后,分析了模型的风险与期望收益之间的关系,表明带交易费用的模型在数值结果上具有更好的稳定性。最后,研究了客观模糊不确定性投资组合模型。结合相关模糊理论,用客观统计估计方法得到股票收益率的模糊分布,为克服均值—方差投资组合模型用方差度量风险在计算上的缺陷,考虑用投资收益的二阶矩作为风险度量函数,简化了对多资产进行投资分配时模型求解问题。为了全面考虑投资时的多重风险,在已有交易费用的基础上,将背景风险和投资者非常关注的证券流动性等因素引入到一般投资组合模型中,在现实约束条件下,建立风险最小投资组合模型;最后选取部分股票进行实证分析,验证考虑背景风险和流动性的模糊投资组合模型的有效性和对实际金融市场的适用性。
王旭婷[5](2020)在《考虑期权、远期合约的不确定投资组合模型及决策研究》文中指出投资组合是将资金进行最优投资分配,从而实现一定风险下的最大收益。1952年,Markowitz提出了着名的均值-方差投资组合模型,打开了现代投资组合理论的大门。在现实生活中,经常存在历史数据缺失(比如新发行的股票)或历史数据无法有效反映未来金融市场的情况(比如2020年美股的连续多次熔断),这时人们不得不借助人为估计来帮助投资决策。而人为的估计可能与未来真实情况发生偏差,这时概率论的使用会放大人为估计偏差,于是本文用不确定理论来解决投资组合问题。在不确定投资组合领域,还没有学者研究考虑金融衍生品的投资问题。所以本文研究不确定环境下考虑金融衍生品的投资组合模型及决策问题,具体的研究内容和创新点如下。(1)将未来股指价格视为不确定变量,运用不确定理论,建立考虑欧式看涨期权的不确定均值-机会投资组合模型,然后对考虑期权和不考虑期权的投资组合的最佳收益进行比较,结论是考虑期权的证券投资产生的最优收益大于等于不考虑期权的最优收益。此外,本文进行了灵敏度分析,最后给出一个数值示例,结果表明,在证券投资中应该考虑期权,并且具有相同到期日的欧式看涨期权,执行价格越高收益越大。(2)同样对于考虑欧式看涨期权的投资组合问题,运用风险指数作为风险度量方法,建立了考虑欧式看涨期权的不确定均值-风险指数投资组合模型,其中风险指数被定义为低于无风险利率的平均损失。理论计算和实证分析发现,不确定均值-风险指数和均值-机会投资组合问题有相同的结论:考虑期权的投资组合比不考虑期权的投资组合产生更高的回报,期权可以有效地对冲风险,相同到期日的欧式看涨期权其执行价格越高收益越大。除此以外,本文比较了考虑期权的不确定均值-机会和均值-风险指数投资组合模型,得到:在多数情况下,与均值-机会模型相比,考虑期权的不确定均值-风险指数投资组合模型产生的预期收益更大。(3)将国内投资拓展为国际投资问题,将股票价格和汇率均视为不确定变量,讨论考虑远期合约的不确定均值-方差国际投资组合问题。研究表明,国际投资组合的收益大于等于国内投资。当证券价格和汇率为对数正态变量时,考虑远期合约可以有效的提高国际投资组合的收益,同时降低投资风险,投资组合的有效前沿向左上方移动。在一般分布情况下,如果对数证券价格和对数汇率在其各自的期望值处具有相同的信度,则远期合约同样可以有效降低国际投资风险。但是,在国际投资组合中考虑远期外汇合约并不总是有利的。(4)对于同样的国际投资组合问题,提出了不确定均值-机会模型。然后给出了模型的解析解,并讨论了远期合约对不确定国际投资的影响。结果发现在风险承受能力较小时,远期合约在对冲风险方面表现良好,并带来高回报。但是,当风险承受水平变大时,远期合约降低风险的同时也消除了潜在的高回报。此外,在一般情况下,考虑远期合约可以给国际投资者带来更稳定和相对较高的回报。
李洁[6](2020)在《一种改进的主成分投资组合方法的应用研究》文中研究说明现阶段,传统的Markowitz(1952)[1]均值-方差优化模型已经得到了广泛的研究与推广但仍存在很多问题,市场应用表现不佳的部分原因是由于极端头寸的出现。传统投资组合理论基本上都是从现有的、存在相关性的资产中进行投资组合选择的,而Partovi(2004)[2]提出了一种在允许卖空的前提下分析有效边界投资组合的新方法,即将原始的资产集重组为一组互不相关的投资组合,并且称之为主成分投资组合。这些主成分投资组合构成了一个新的资产间互不相关的投资环境,从而为任何投资组合的优化过程提供了新的研究思路,并且它能够有效增大投资组合的分散性。因此,本文将基于主成分投资组合的理念来对均值方差模型、风险平价模型和最大分散化组合进行改进。传统的主成分分析(PCA)都是基于协方差矩阵或者相关矩阵进行特征值分解,本文通过对相关矩阵逆矩阵的敏感性和稳定性进行分析,发现相关矩阵的逆矩阵包含的信息量可能更大。因此本文将基于相关矩阵求逆进行主成分分析来建立主成分投资组合,并观测其市场实证表现。首先针对传统的主成分均值方差模型进行改进,本文将建立基于相关矩阵求逆的主成分均值方差模型并记为I-PCMV,并且将其与传统的主成分均值方差模型(PCMV)、均值方差优化模型(MVO)和等权重组合(EM)进行对比。通过实证检验选取合适的度量指标对实证结果进行分析得出I-PCMV模型比PCMV模型表现更好的结论。传统的均值方差模型只是对组合风险进行估计,并没有针对组合风险进行分散化处理。近年来备受关注的风险平价模型就是旨在通过等风险贡献来分散组合风险的。另外,最大分散化组合也是能够有效分散组合风险的策略。因此,本文还将引入风险平价模型(RP)与最大分散化组合(MDP)来对组合风险进行分散化处理。考虑到通过主成分分析所生成的主成分投资组合间相关性为零,这极大便利了风险平价模型和最大分散化组合的建立。本文将对传统的风险平价模型和最大分散化组合进行改进,基于相关矩阵的逆矩阵建立改进的主成分风险平价模型(I-PCRP)和改进的主成分最大分散化组合(I-PCMD),并分别与主成分风险平价模型(PCRP)和主成分最大分散化组合(PCMD)进行实证对比,结果依然表明基于相关矩阵求逆的主成分投资组合比传统主成分投资组合表现更好。本文实证部分以上证50、沪深300和中证500的成分股为研究对象建立股票池,利用策略的累计收益、年化收益、夏普比和最大回撤这四种度量指标来衡量模型表现。通过保留不同数量的主成分和改变调仓周期来选择每个改进的主成分投资组合的最优投资策略,结果表明基于相关矩阵求逆的主成分投资组合比传统的主成分投资组合表现更好,且可根据投资者风险偏好以及根据调仓改变的交易成本与收益的权衡来选择合适的保留主成分个数与调仓周期。
马瑜[7](2020)在《金融全球化视角下我国外汇储备的动态配置模型研究》文中进行了进一步梳理改革开放40年以来,我国经济发展取得辉煌的成绩,2017年全国生产总值突破80亿元大关,经济总量稳居世界第二位。与经济发展相对应,我国外汇储备规模也快速提升,从改革开放前不到100亿美元的外汇储备规模,快速增长到了 2018年初的3.16万亿美元的外汇储备规模。我国外汇储备规模已达世界外汇储备资产总量的三分之一,这是人类历史上不曾出现的规模。然而必须看到,我国外汇储备管理方面还存在一定的问题,美元比重过高,且低收益率资产较多。在刚刚过去的美国金融危机时期,我国外汇储备资产的实际价值出现了严重的缩水,这实际上是我国国民财富的流失,因此迫切需要研究我国外汇储备的配置问题。党的十九大召开以来,我国更加坚定了“一带一路”的发展战略,要求我们进一步开放,并且进行更深层次的开放策略。无论客观条件还是主观动力,都要求我们不断的完善我国的外汇管理体制,在这一背景之下,本博士论文以智能金融的视角和思路研究了我国外汇储备配置的策略问题,提出、发展了一整套外汇管理的货币指数动态投资组合模型,并研究了美元指数的可预测性,为今后更先进的外汇动态管理模型提供了科学依旧。作为研究重点,本文着重研究了我国外汇储备管理的历史沿革和当前外汇储配管理所面对的问题。同时介绍和分析了世界主要经济体的外汇储备管理策略和外汇储备配置方法,力求从中找到适合我国改善外汇储备管理的路径与策略。本文基于传统的外汇储备管理理论,利用马科维茨经典投资组合理论,借助外汇货币指数概念,将外汇配置问题变成了一种货币指数投资组合优化问题。紧接着,本文引入时间外生变量,将外汇配置模型有静态模型发展成为了动态模型,具有一定的创新性和可操作性,为我国外汇储备的配置问题提供了一种解决方案。本文的实证部分也证明了这一模型与方法的可操作性和实用性。同时本文借助了金融工程理论中最新的研究技术,将神经网络分析技术应用到了外汇指数的预测中,通过实证检验,证明了外汇指出是具有显着的概率可预测性的,这对于我国外汇配置的方法和系统的进一步创新研究与开发具有十分重要的借鉴作用。本文最后陈述了我国外汇储备管理战略转变的重要性,认为在金融全球化的进程下,我国只有不断优化外汇储备配置策略,并最终发展出人工战略管理与智能化可计算的外汇动态管理模型相结合的大系统,才能从根本上解决我国外汇储备资产价值流失的问题。同时本文借鉴国外先进的外汇储备管理策略,为我国外汇储备管理的长期战略提出了自己的建议与展望。
乔毅[8](2020)在《时变风险偏好对个人与机构投资者交易行为异质影响研究》文中进行了进一步梳理传统金融理论认为投资者是理性的,并且假定投资者是风险厌恶的。然而市场中存在理性程度不同的投资者:相对理性的机构投资者以及理性程度较弱的个人投资者。越来越多的投资实践及市场异象告诉我们,个人投资者交易行为常常不符合传统金融理论的设定,导致资产价格往往不能正确的反映自身的价值,市场稳定性也无法得到保证。在此背景下,行为金融理论认为投资者是有限理性的并提出了风险偏好这一概念:投资者的交易行为主要受到风险偏好的影响,而理性程度不同的投资者的风险偏好会受到不同因素的影响,因此交易行为也具有差异。本文首先通过梳理相关文献,在此基础上总结投资者风险偏好的影响因素,包括组合承担的超额风险、市场情绪、个股表现、公司特征等,并且针对中国股市将宏观因素纳入考虑范围。其中,投资者组合承担的超额风险与市场情绪需要采取一定的方法进行测度与构建,个股表现、公司特征、宏观因素可以选取特定指标进行分析。为了探索组合承担的超额风险对个人与机构投资者风险偏好及交易行为的影响,本文首先选取了50只沪深300成分股,利用对个股的持股比例及市值模拟构建了个人与机构投资者的实际投资组合,然后借助均值-方差模型测度实际投资组合与有效前沿组合的风险补偿系数,并计算两者差值,最后将实际组合与有效前沿组合的风险补偿系数差值最小值作为每期投资组合承担的超额投资风险。在构建投资者情绪之前,本文在前人研究的基础上,选取了代表我国股市情绪的5个指标,利用主成分分析法,将5个指标及其滞后项构建了2009年至2018年期间的市场情绪指标,同时剔除了宏观因素对市场情绪的影响,以更好的区分股市市场情绪与宏观因素对投资者风险偏好的影响。最后,本文利用面板Logit模型,将上述构建以及选取好的指标,分别与个人及机构持股行为变化进行回归分析,探究时变风险偏好对个人与机构交易行为异质影响原因。实证结果显示,组合承担超额风险的提高能降低投资者的风险偏好,但由于个人投资者存在过度自信心理,其规避风险程度相对机构投资者而言更加激进。由于个人从众心理较强,市场情绪对个人交易行为的影响程度要高于机构投资者。当期个股收益率的提高会提高个人卖出股票的意愿,说明个人存在厌恶损失的心理特征。公司特征及宏观因素对个人交易行为影响程度要远远小于机构投资者,说明机构投资者更为理性,在制定交易策略时,考虑的因素更加全面。本文的研究成果对于进一步分析个人与机构投资者交易行为的差异具有一定借鉴意义,有助于进一步分析造成资产价格波动及证券市场稳定性下降的原因。同时为我国证券市场的管理及监管当局制定政策提供了相关借鉴。
方雯[9](2020)在《基于DEA方法考虑投资者心理的模糊投资组合效率评价和决策分析》文中提出投资者在做科学合理的决策之前,必须要准确地了解现实投资环境中的不确定性。其中,投资者心理这一不确定因素不可避免地存在于决策过程中。同时,人们越来越重视评估投资组合的效率,数据包络分析方法(DEA)作为有效的评价方法,在投资组合领域逐渐被学者所关注。但是投资组合的效率评价方法大多出现在随机环境研究中,且未考虑到投资者心理因素的影响。因此,本文基于模糊理论、DEA理论以及前景理论对投资组合选择问题进行理论探究和应用研究,其主要内容如下:(1)综合考虑证券市场的模糊不确定性和投资者心理因素,基于DEA方法在可能性和可信性模糊环境下分别构建带有风险态度的投资组合效率评价模型。首先,将风险态度参数k引入到梯形模糊数的隶属函数中,并通过严谨的数学证明,推导出带有风险态度的可能性和可信性收益风险测度。基于此,将收益和风险测度作为DEA模型的输出和输入指标,同时考虑到交易成本、投资比例限制等约束,构建了相应的效率评价模型。通过大量的仿真实验和相关性分析,验证了考虑投资者心理因素的可能性和可信性投资组合效率评价模型的可行性和有效性。(2)结合DEA博弈交叉效率方法,研究了带有投资者心理因素的多目标模糊投资组合决策模型。首先,为了充分描绘投资者的心理因素和风险感知,将带有风险态度的可能性均值和半绝对偏差作为收益和风险测度。其次,将候选的风险资产视为互相竞争的博弈者,采用基于熵权法的博弈交叉效率方法衡量它们的综合表现,从而得到博弈交叉效率和奇异指数。基于此,构建考虑投资者心理的可能性均值-半绝对偏差-博弈交叉效率-奇异指数模型。最后,通过一个应用实例说明所提出的模型的合理性和有效性。(3)研究了基于DEA前景交叉效率方法的新型模糊投资组合决策优化模型。为了将投资者的心理因素纳入到DEA交叉效率评估中,首先设计了两个新颖的DEA前景交叉效率模型—PCE(I)和PCE(II)模型,并对DEA交叉效率评估方法进行了拓展。基于PCE评估,进一步设计了新型的均值-方差-奇异指数(MVM)模糊投资组合框架。实证分析表明了PCE评估模型和MVM模型的实用性和有效性。综上,本文主要开展了基于DEA方法考虑投资者心理的模糊投资组合效率评价和决策优化模型研究。研究结果不仅丰富了投资组合理论,而且具有一定的实践指导意义。
张佳琪[10](2020)在《基于因子模型的重采样资产配置优化》文中研究说明马科维茨均值-方差资产组合模型奠定了投资组合理论的基础,均值-方差模型的输入参数包括收益的均值和协方差。在实践中,投资者发现马科维茨均值-方差模型对于输入参数的变化特别敏感。随着中国市场资产的种类和数量越来越多,同时又难以收集足够多的样本,传统的样本协方差矩阵在估计高维矩阵时存在较大的估计误差,因此如何减小收益协方差矩阵的估计误差对均值-方差模型的影响成为了研究的热点。减小协方差矩阵估计误差对均值-方差模型影响的方法有两个,一是通过统计方法,得到更加准确的收益协方差矩阵估计,例如压缩矩阵,但是压缩矩阵计算复杂,且缺乏经济解释。因此有研究者提出利用因子模型估计收益的协方差矩阵,虽然利用因子模型估计收益的协方差矩阵有着良好的统计性质,但将因子模型的协方差矩阵应用到均值-方差模型中的研究较少。另一种方法是重采样,重采样可以使马科维茨投资组合多样化,但是对重采样方法减小了协方差矩阵估计误差对均值方差模型的影响,人们保持怀疑的态度。有研究者将重采样和压缩矩阵结合提出新的算法,但存在争议。因子模型和重采样都有自己的优点,但两者结合是否好于单独使用因子模型的协方差矩阵是现在研究的空白。为了得到更好的投资组合方法,本文将因子模型的协方差矩阵和重采样结合到一起,提出新的算法。对于上面的问题,本文做了以下工作:本论文以中国沪深A股主板市场上市公司股票的交易数据为基础。在不同资产数量和厌恶系数下,模拟研究不同方法得到的投资组合的信息比,收益,方差,最大权重和最小权重。首先在不同的资产数量下,通过比较基于压缩矩阵,因子模型的协方差矩阵得到的投资组合。发现基于因子模型协方差矩阵得到的投资组合的信息比更高,收益率更大。然后本文在不同厌恶系数下,将重采样,压缩矩阵,因子模型的协方差矩阵,重采样和压缩矩阵的结合,重采样和因子模型的结合进行比较,通过模拟发现:在投资组合权重设置上下限的情况下,重采样改进了均值-方差模型;基于因子模型协方差矩阵的投资组合要好于基于压缩得到的投资组合;基于重采样和压缩矩阵结合的投资组合比基于压缩矩阵的投资组合信息比更高,收益更大;因子模型和重采样结合的算法要好于其他方法。本文所做的贡献是,验证了因子模型的协方差矩阵在均值-方差模型中的优越性,同时为压缩矩阵和重采样结合好于压缩矩阵提供了中国市场的证据,重采样方法的有效性也得到了中国市场的验证,通过模拟比较,本文发现重采样和因子模型结合的算法好于其他方法,为投资者提供了一个较好的投资组合方法。
二、投资组合均值-方差模型和极小极大模型的实证比较(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、投资组合均值-方差模型和极小极大模型的实证比较(论文提纲范文)
(1)GAS框架下的投资组合风险测度与优化研究(论文提纲范文)
摘要 |
abstract |
第1章 导论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究的主要内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 研究的主要创新和不足 |
1.4.1 理论方法的创新 |
1.4.2 实证方法的创新 |
1.4.3 可能存在的不足 |
第2章 GAS理论框架发展及投资组合理论基础与文献综述 |
2.1 GAS理论框架研究和应用 |
2.1.1 观察值驱动模型与参数驱动模型 |
2.1.2 广义回归得分模型框架的提出与应用 |
2.2 投资组合风险测度研究 |
2.2.1 风险测度理论方法的选择与组合测度研究 |
2.2.2 基于高频数据的投资组合的风险测度问题 |
2.3 投资组合优化研究 |
2.3.1 投资组合理论的提出 |
2.3.2 经典投资组合理论下投资组合优化的研究分支 |
2.3.3 期现货投资组合套期保值优化问题 |
2.4 研究述评 |
第3章 GAS理论框架及其在金融时间序列的风险测度的应用 |
3.1 GAS理论框架 |
3.1.1 GAS框架模型的基本设定 |
3.1.2 GAS框架模型的估计 |
3.1.3 GAS框架模型的再参数化 |
3.1.4 模型的辨识问题 |
3.2 基于GAS框架的GARCH模型改进 |
3.2.1 GAS-GARCH-sst模型的构建 |
3.2.2 基于GAS框架的GAS-GARCH-sst风险测度模型的构建 |
3.3 基于GAS框架的金融资产风险测度与预测 |
3.3.1 数据的选择 |
3.3.2 描述性统计 |
3.3.3 数据的检验 |
3.3.4 模型的估计结果与受极端观察值影响对比 |
3.3.5 金融时间序列的VaR预测 |
3.3.6 金融时间序列的VaR预测效果对比 |
3.4 附录:GAS-GARCH-sst模型的估计结果 |
3.5 本章小结 |
第4章 基于R-Vine-Copula-GAS的投资组合测度与优化 |
4.1 Vine Copula理论 |
4.1.1 Copula函数的定义 |
4.1.2 Pair Copula的构建与R Vine |
4.1.3 Vine-Copula的数组表示方式 |
4.1.4 R-Vine Copula密度的估计 |
4.1.5 R-Vine分布的选择 |
4.2 基于GAS框架的投资组合风险测度分析 |
4.2.1 样本数据的选择与预处理 |
4.2.2 MST-PRIM算法下的R-Vine结构 |
4.2.3 R-Vine Copula的参数估计结果 |
4.2.4 单一资产的边缘分布估计 |
4.2.5 GAS-R-Vine-Copula模型的仿真模拟与风险预测方法设定 |
4.2.6 基于GAS框架下的投资组合VaR比较分析 |
4.3 GAS框架下的R-Vine-Copula多维资产组合优化模型 |
4.3.1 Markowitz的投资组合理论 |
4.3.2 Mean-VaR投资组合 |
4.3.3 Mean-CVaR的投资组合 |
4.3.4 最小VaR投资组合和最小CVaR投资组合的有效前沿 |
4.3.5 GAS框架下的投资组合优化效果比较 |
4.4 本章小结 |
第5章 基于GAS框架的高频多元资产波动率模型的设计与应用 |
5.1 Wishart-GARCH模型 |
5.1.1 模型的假设 |
5.1.2 GAS框架下的模型优化 |
5.1.3 模型的估计 |
5.2 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率的实证研究设计 |
5.2.1 数据的选取与高频数据清洗 |
5.2.2 基于刷新时间抽样的样本调整 |
5.3 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率的估计结果分析 |
5.3.1 基于子抽样的降噪方法 |
5.3.2 GAS-Wishart-Realized-GARCH模型的估计结果分析 |
5.4 基于GAS-Wishart-Realized-GARCH模型的高频多元资产波动率预测能力比较分析 |
5.4.1 基于样本外数据的降噪技术的完善 |
5.4.2 评价预测效果的损失函数 |
5.4.3 样本外GAS-Wishart-Realized-GARCH模型的估计结果 |
5.4.4 GAS-Wishart-Realized-GARCH模型和EWMA模型预测效果比较 |
5.5 本章小结 |
第6 章 基于GAS框架的期现货投资组合的套期保值优化 |
6.1 期现货套期保值的理论基础和模型设计 |
6.1.1 套期保值理论 |
6.1.2 基于GAS框架的极值Copula函数模型 |
6.1.3 最优套期保值比率比较模型的选择 |
6.2 基于GAS框架下的期现货投资组合套期保值优化的实证研究 |
6.2.1 数据的选取与预处理 |
6.2.2 样本数据的描述性统计 |
6.2.3 样本数据的基本检验结果 |
6.3 基于GAS框架的期现货投资组合套期保值比率的估计结果分析 |
6.3.1 各模型的估计结果 |
6.3.2 动态最优套期保值比率估计结果比较 |
6.4 GAS框架下的期现货投资组合最优套期保值比率的比较与选择 |
6.4.1 套期保值效果的评价方式 |
6.4.2 各模型的套期保值效果结果比较 |
6.5 本章小结 |
第7 章 结论、建议与研究展望 |
7.1 主要结论 |
7.2 研究和投资实践建议 |
7.3 研究展望 |
参考文献 |
攻读博士学位期间学术研究成果 |
致谢 |
(2)金融市场风险管理中两种模型的优化算法(论文提纲范文)
摘要 |
ABSTRACT |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.3 本文主要内容及结构安排 |
1.3.1 本文主要内容 |
1.3.2 本文的结构安排 |
第二章 理论基础 |
2.1 金融市场风险 |
2.1.1 金融市场风险定义 |
2.1.2 金融市场风险特征 |
2.1.3 金融市场风险管理 |
2.2 市场风险度量理论 |
2.2.1 风险在险价值VaR |
2.2.2 条件在险价值CVaR |
2.2.3 投资组合理论 |
2.3 最优化原理与算法 |
2.3.1 粒子群优化算法 |
2.3.2 广义共轭梯度投影法 |
2.4 本章小结 |
第三章 基于CVaR的交易成本投资组合模型研究 |
3.1 问题的提出 |
3.2 基于CVaR的交易成本投资组合模型研究 |
3.2.1 条件在险价值(CVaR)方法的基本原理 |
3.2.2 引入交易成本函数的投资组合模型 |
3.3 算法设计 |
3.4 实证分析 |
3.5 本章小结 |
第四章 基于均值-绝对偏差投资组合模型研究 |
4.1 问题的提出 |
4.2 基于均值-方差投资组合模型研究 |
4.2.1 均值-方差(MV)模型 |
4.2.2 均值-绝对偏差(MAD)模型 |
4.2.3 均值-绝对偏差(MAD)模型修正 |
4.3 算法设计 |
4.4 实证分析 |
4.5 本章小结 |
第五章 结论与展望 |
参考文献 |
致谢 |
作者简介 |
(3)奈特不确定性下的投资者资产组合交易行为(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究意义 |
1.2 研究内容 |
1.3 研究方法与技术路线 |
1.3.1 研究方法 |
1.3.2 技术路线 |
1.4 本文的创新点 |
第2章 文献综述 |
2.1 国内外研究现状 |
2.1.1 资产组合交易行为方面 |
2.1.2 奈特不确定性方面 |
2.2 现状评述 |
第3章 均值-方差模型单参数不确定性对资产组合交易行为的影响 |
3.1 不确定性下的资产组合模型构建 |
3.2 风险溢价不确定性对资产组合交易行为的影响 |
3.3 风险溢价协方差不确定性对资产组合交易行为的影响 |
3.4 实证研究 |
3.4.1 研究样本的选择 |
3.4.2 实证研究的参数 |
3.4.3 实证结果 |
3.5 本章小结 |
第4章 均值-方差模型参数不确定性下的资产组合优化行为 |
4.1 奈特不确定性下的资产组合优化模型 |
4.2 模型求解 |
4.3 实证研究 |
4.3.1 研究样本的选择 |
4.3.2 实证结果 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 研究结论 |
5.2 研究局限和展望 |
参考文献 |
附录 |
攻读硕士学位期间参与的科研项目工作及研究成果 |
致谢 |
(4)考虑交易费用的不确定投资组合模型研究(论文提纲范文)
摘要 |
ABSTRATCT |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容与结构安排 |
1.2.1 研究内容 |
1.2.2 结构安排 |
1.3 研究方法与技术路线 |
1.3.1 研究方法 |
1.3.2 技术路线 |
1.4 研究创新 |
第2章 文献综述与理论基础 |
2.1 投资组合研究现状 |
2.1.1 随机不确定性投资组合模型研究现状 |
2.1.2 模糊不确定性投资组合模型研究现状 |
2.1.3 文献评述 |
2.2 投资组合发展过程中的经典模型 |
2.2.1 均值-方差模型 |
2.2.2 均值-下半方差模型 |
2.2.3 单指数模型 |
2.2.4 均值-CVaR模型 |
2.3 随机不确定性下CVaR风险测量方法 |
2.3.1 CVaR的定义 |
2.3.2 CVaR的计算 |
2.3.3 CVaR的参数 |
2.4 模糊集相关理论 |
2.4.1 不确定性的相关理论 |
2.4.2 模糊数的相关理论 |
2.5 交易费用 |
2.6 本章总结 |
第3章 考虑交易费用的随机不确定性投资组合模型—基于CVaR方法 |
3.1 CVaR风险度量方法 |
3.2 基于CVaR含有改进交易费用的多目标投资组合模型 |
3.3 算法设计及数值分析 |
3.3.1 算法设计 |
3.3.2 数值分析 |
3.4 本章总结 |
第4章 考虑交易费用的主观模糊不确定性投资组合模型 |
4.1 考虑线性交易费用的不确定收益的投资组合模型 |
4.2 考虑非线性交易费用的不确定收益的投资组合模型 |
4.3 数值分析 |
4.4 本章总结 |
第5章 考虑交易费用的客观模糊不确定性投资组合模型 |
5.1 确定影响投资组合现实因素指标 |
5.2 建立客观模型不确定性投资组合模型 |
5.3 数值分析 |
5.4 本章总结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间发表论文及参加课题情况 |
(5)考虑期权、远期合约的不确定投资组合模型及决策研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究框架与研究内容 |
1.4 创新点 |
2 理论基础和文献综述 |
2.1 投资组合理论及其研究现状 |
2.2 金融衍生品理论及其研究现状 |
2.3 不确定理论基础知识及其研究现状 |
2.3.1 不确定理论及其研究现状 |
2.3.2 不确定理论基础知识 |
3 考虑期权的不确定均值-机会投资组合问题研究 |
3.1 考虑期权的不确定均值-机会投资组合模型 |
3.2 模型的等价形式 |
3.3 考虑期权和不考虑期权的最优投资组合的比较 |
3.4 灵敏度分析 |
3.5 数值算例 |
3.6 本章小结 |
4 考虑期权的不确定均值-风险指数投资组合问题研究 |
4.1 考虑期权的不确定均值-风险指数投资组合模型 |
4.2 模型的等价形式 |
4.3 均值风险指数和均值机会投资组合的比较 |
4.4 数值算例 |
4.5 本章小结 |
5 考虑远期合约的不确定均值-方差国际投资组合问题研究 |
5.1 考虑远期合约的不确定均值-方差国际投资组合模型 |
5.2 模型的等价形式 |
5.3 对数正态情况下远期合约的表现 |
5.3.1 对数正态情况下不确定模型的等价形式 |
5.3.2 远期合约在期望对数收益方面的表现 |
5.3.3 远期合约在风险方面的表现 |
5.4 在任意分布下远期合约的表现 |
5.5 数值算例 |
5.6 本章小结 |
6 考虑远期合约的不确定均值-机会国际投资组合问题研究 |
6.1 不确定均值-机会国际投资组合模型 |
6.2 模型的等价形式 |
6.3 模型的解析解 |
6.4 远期合约对国际投资组合的影响 |
6.5 数值算例 |
6.6 本章小结 |
7 结论与展望 |
7.1 研究结论 |
7.2 研究展望 |
参考文献 |
附录 上证指数50ETF价格的不确定分布的确定过程 |
作者简历及在学研究成果 |
学位论文数据集 |
(6)一种改进的主成分投资组合方法的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 文献综述 |
1.3 本文框架结构 |
1.4 创新点 |
第二章 理论介绍 |
2.1 主成分分析 |
2.2 投资组合模型 |
2.2.1 均值方差模型 |
2.2.2 主成分投资组合 |
2.2.3 等权重组合 |
2.2.4 风险平价模型 |
2.2.5 最大分散化组合 |
2.3 相关矩阵的逆矩阵 |
2.3.1 稳定性和敏感性分析 |
2.3.2 随机模拟实验 |
第三章 模型建立 |
3.1 改进的均值方差模型 |
3.1.1 主成分均值方差模型 |
3.1.2 改进的主成分均值方差模型 |
3.2 改进的风险平价模型 |
3.2.1 主成分风险平价模型 |
3.2.2 改进的主成分风险平价模型 |
3.3 改进的最大分散化组合 |
第四章 实证研究 |
4.1 实证分析方法介绍 |
4.1.1 研究方法概述 |
4.1.2 实证数据的选取及处理 |
4.1.3 投资组合表现的度量指标 |
4.2 I-PCMV实证 |
4.2.1 实证对比 |
4.2.2 随机选择子投资组合 |
4.2.3 不同调仓周期的策略表现 |
4.3 I-PCRP实证 |
4.3.1 实证对比 |
4.3.2 不同调仓周期的策略表现 |
4.4 I-PCMD实证 |
4.4.1 实证对比 |
4.4.2 不同调仓周期的策略表现 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
学位论文评阅及答辩情况表 |
(7)金融全球化视角下我国外汇储备的动态配置模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 论文结构、主要内容与研究方法 |
1.4 研究的困难点、创新点与不足之处 |
第2章 文献述评 |
2.1 国外研究评述 |
2.2 国内研究成果 |
2.3 现有研究的评价 |
第三章 外汇储备配置相关理论与模型 |
3.1 外汇储备的界定与功能 |
3.2 外汇储备的需求理论 |
3.3 外汇储备的规模理论 |
3.4 外汇储备的结构理论 |
3.5 本章小结 |
第4章 我国外汇储备管理的历史沿革与现状 |
4.1 我国外汇储备管理的主体、目标与基本原则 |
4.2 我国外汇储备管理制度的历史变迁 |
4.3 我国外汇储备增长的历史轨迹 |
4.4 我国外汇储备快速增长的原因 |
4.5 本章小结 |
第5章 当前我国外汇储备的配置结构研究 |
5.1 全球外汇储备结构现状 |
5.2 我国外汇储备配置结构现状 |
5.3 我国外汇储备配置当前面临的主要问题 |
5.4 本章小结 |
第6章 外汇储备管理的国际经验 |
6.1 主要国家(地区)的外汇管理经验 |
6.2 国际经验总结与对中国的启示 |
6.3 本章小结 |
第7章 外汇储备配置的静态模型 |
7.1 单期的均值-方差模型 |
7.2 外汇配置静态模型--多货币指数的配置模型 |
7.3 构建外汇配置静态模型 |
7.4 本章小结 |
第8章 外汇配置的动态模型与实证 |
8.1 构建外汇配置动态模型 |
8.2 动态模型的最优解 |
8.3 实证检验与结果分析 |
8.4 本章小结 |
第9章 美元指数的可预测性研究 |
9.1 美元指数的经济意义 |
9.2 美元指数预测模型结构 |
9.3 使用DB小波作为输入的美元指数预测模型 |
9.4 实证检验 |
9.5 本章小结 |
第10章 全文总结、研究结论与政策建议 |
10.1 全文总结 |
10.2 研究结论 |
10.3 优化我国外汇储备管理的政策建议 |
参考文献 |
致谢 |
个人简历在读期间发表的学术论文与研究成果 |
(8)时变风险偏好对个人与机构投资者交易行为异质影响研究(论文提纲范文)
内容摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 投资者风险偏好影响因素的相关研究 |
1.2.2 个人和机构投资者风险偏好与投资行为差异的相关研究 |
1.2.3 文献评述 |
1.3 研究内容及框架 |
1.4 研究创新之处与不足 |
第2章 投资者交易行为理论与逻辑分析 |
2.1 传统金融理论对交易行为的分析 |
2.1.1 理性人设定及其行为分析 |
2.1.2 传统金融理论无法解释的市场异象 |
2.2 基于行为金融理论对非理性交易行为的分析 |
2.2.1 投资者过度反应行为分析 |
2.2.2 投资者羊群效应行为分析 |
2.2.3 投资者“处置效应”行为分析 |
2.3 传统金融理论与行为金融理论比较 |
第3章 我国投资者时变风险偏好影响因素及指标构建 |
3.1 我国证券投资者风险偏好影响因素识别 |
3.1.1 个股表现 |
3.1.2 组合超额风险 |
3.1.3 公司特征 |
3.1.4 市场情绪 |
3.1.5 宏观因素 |
3.2 投资组合超额风险测度模型构建及结果 |
3.2.1 马科维兹均值-方差模型理论基础 |
3.2.2 投资组合超额风险测度模型构建 |
3.2.3 个人与机构组合超额风险测度结果 |
3.3 市场投资者情绪模型构建及结果 |
3.3.1 源指标选取 |
3.3.2 投资者情绪构建过程 |
3.3.3 投资者情绪指标有效性分析 |
第4章 时变风险偏好对投资者行为影响实证分析 |
4.1 数据选取及统计性描述 |
4.2 模型设定 |
4.3 Logit模型估计方法筛选及实证结果 |
4.4 实证结果分析 |
4.4.1 风险偏好对个人投资行为影响分析 |
4.4.2 风险偏好对机构投资行为影响分析 |
4.4.3 风险偏好对个人和机构投资行为异质影响分析 |
第5章 结论与建议 |
5.1 结论与展望 |
5.2 政策建议 |
附录 |
参考文献 |
在学期间发表的学术论文与研究成果 |
后记 |
(9)基于DEA方法考虑投资者心理的模糊投资组合效率评价和决策分析(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.3 研究内容、方法和技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
1.4 本文创新之处 |
第二章 基础理论 |
2.1 随机环境下的投资组合理论 |
2.1.1 均值-方差模型 |
2.1.2 均值-半绝对偏差模型 |
2.2 模糊理论 |
2.2.1 模糊集理论 |
2.2.2 可能性理论 |
2.2.3 可信性理论 |
2.3 DEA理论 |
2.3.1 经典的DEA模型 |
2.3.2 DEA交叉效率理论 |
2.4 前景理论 |
2.5 小结 |
第三章 基于可能性理论考虑投资者心理的投资组合DEA效率评价 |
3.1 考虑投资者心理的可能性收益和风险测度的理论推导 |
3.2 考虑投资者心理的可能性投资组合模型 |
3.2.1 考虑投资者心理的可能性均值-方差模型 |
3.2.2 考虑投资者心理的可能性均值-半方差模型 |
3.2.3 考虑投资者心理的可能性均值-半绝对偏差模型 |
3.3 考虑投资者心理的可能性投资组合DEA效率评价模型 |
3.3.1 投资组合效率的定义 |
3.3.2 投资组合前沿面凹性定理的证明 |
3.3.3 考虑投资者心理的可能性均值-方差DEA模型 |
3.3.4 考虑投资者心理的可能性均值-半方差DEA模型 |
3.3.5 考虑投资者心理的可能性均值-半绝对偏差DEA模型 |
3.4 实证分析 |
3.4.1 可能性均值-方差框架下的效率评价结果 |
3.4.2 可能性均值-半方差框架下的效率评价结果 |
3.4.3 可能性均值-半绝对偏差框架下的效率评价结果 |
3.5 小结 |
第四章 基于可信性理论考虑投资者心理的投资组合DEA效率评价 |
4.1 考虑投资者心理的可信性均值和半绝对偏差理论推导 |
4.2 模型构建 |
4.2.1 考虑投资者心理的可信性均值-半绝对偏差模型 |
4.2.2 考虑投资者心理的可信性均值-半绝对偏差DEA模型 |
4.3 实证研究 |
4.4 小结 |
第五章 基于DEA博弈交叉效率考虑投资者心理的模糊投资组合模型 |
5.1 考虑投资者心理的可能性均值-半绝对偏差模型 |
5.2 基于熵权法的DEA博弈交叉效率方法 |
5.2.1 基于熵权法的DEA最终交叉效率的确定 |
5.2.2 DEA博弈交叉效率方法 |
5.3 考虑投资者心理的多目标模糊投资组合模型 |
5.3.1 奇异指数:一致的风险度量 |
5.3.2 多目标模糊投资模型的构建 |
5.4 应用实例 |
5.4.1 基于熵权法的博弈交叉效率评估结果 |
5.4.2 投资组合模型结果分析 |
5.5 小结 |
第六章 基于DEA前景交叉效率的模糊投资组合模型 |
6.1 前景交叉效率评估和投资组合效率分析 |
6.1.1 改进的参考点和前景价值 |
6.1.2 前景交叉效率模型的构建 |
6.1.3 两种新型的前景交叉效率模型 |
6.2 基于PCE方法的均值-方差-奇异指数模糊投资组合框架 |
6.3 实证研究 |
6.3.1 前景交叉效率评估结果 |
6.3.2 均值-方差-奇异指数(MVM)模型的实证结果 |
6.4 小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(10)基于因子模型的重采样资产配置优化(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究创新 |
1.3 论文结构 |
第二章 文献综述 |
2.1 马科维茨投资组合理论 |
2.2 误差修正方法 |
2.2.1 压缩矩阵 |
2.2.2 重采样 |
2.2.3 因子模型算法 |
2.3 因子模型 |
第三章 理论模型 |
3.1 马科维茨均值-方差优化模型 |
3.2 重采样方法 |
3.3 因子模型 |
3.3.1 Fama-French三因子模型 |
3.3.2 Carhart四因子模型 |
3.3.3 Fama-French五因子模型 |
3.3.4 基于因子模型的协方差矩阵 |
3.4 压缩矩阵算法 |
3.5 重采样和压缩矩阵 |
3.6 重采样和基于因子模型的收益协方差矩阵 |
第四章 实证研究 |
4.1 样本数据来源和说明 |
4.2 样本数据处理 |
4.3 中国沪深A股主板市场模拟 |
4.3.1 不同资产数量下的模拟 |
4.3.2 不同厌恶系数下的模拟 |
第五章 总结 |
5.1 结论 |
5.2 评价与不足 |
参考文献 |
致谢 |
个人简历及在学期间发表的研究成果 |
四、投资组合均值-方差模型和极小极大模型的实证比较(论文参考文献)
- [1]GAS框架下的投资组合风险测度与优化研究[D]. 刘毅男. 吉林大学, 2021(01)
- [2]金融市场风险管理中两种模型的优化算法[D]. 滕飞. 西安电子科技大学, 2020(05)
- [3]奈特不确定性下的投资者资产组合交易行为[D]. 涂蓓. 安徽工程大学, 2020(05)
- [4]考虑交易费用的不确定投资组合模型研究[D]. 宋慧慧. 重庆工商大学, 2020(11)
- [5]考虑期权、远期合约的不确定投资组合模型及决策研究[D]. 王旭婷. 北京科技大学, 2020(12)
- [6]一种改进的主成分投资组合方法的应用研究[D]. 李洁. 山东大学, 2020(10)
- [7]金融全球化视角下我国外汇储备的动态配置模型研究[D]. 马瑜. 对外经济贸易大学, 2020(01)
- [8]时变风险偏好对个人与机构投资者交易行为异质影响研究[D]. 乔毅. 天津财经大学, 2020(06)
- [9]基于DEA方法考虑投资者心理的模糊投资组合效率评价和决策分析[D]. 方雯. 华南理工大学, 2020(02)
- [10]基于因子模型的重采样资产配置优化[D]. 张佳琪. 上海财经大学, 2020(07)