基于优化的Black-Litterman模型证券资产配置研究

发布时间：2017-08-11 07:02

  本文关键词：基于优化的Black-Litterman模型证券资产配置研究

  更多相关文章： 投资组合 Black-Litterman模型 GJR-GARCH-M模型 RBF模型

【摘要】：近年来,随着我国经济贸易全球化的不断发展,我国的资本市场不仅受到国内基本面的影响,而且还受到国际资本市场的冲击。国内资本市场,尤其是股市,表现出比以往更多波动性和不确定性,给广大投资者带来了更多的挑战。一直以来,在控制风险的前提下,如何配置资产,并且保持较高的收益,成为学者们不断研究探讨的课题。现代投资组合理论开创者Markowitz认为多元化的投资组合可以分散非系统性风险,并且在1952年通过量化的数学模型,构建了现代投资组合理论的框架。随后几十年,各国学者根据不同的市场状况,提出了相应的模型,其中1992年提出的Black-Litterman资产配置模型就是一种很好的优化。该模型在传统的M-V模型基础上添加了投资者的主观观点,然后求解出一个新的投资权重用于资产配置当中。然而,在如何选取确定主观观点的过程中,原始的Black-Litterman模型过于随意性。在波动程度较大的市场环境中,该模型具有一定的缺陷和不足。因此,本文在Black-Litterman模型的基础上,首先利用径向基函数神经网络模型获取量化的观点作为输入；其次,利用GJR-GARCH-M模型捕捉市场复杂的波动规律。将两者得到的结果替代原Black-Litterman模型中的投资者主观观点,最终以新模型求解新的投资权重,可以有效的提升投资组合整体收益状况。实证部分,本文选取了沪深300指数中不同行业的50只股票作为样本。采用结合了GIR-GARCH-M模型和RBF模型之后的Black-Litterman模型,获取新的资产配置权重,并以该投资组合权重获得新的收益,与传统的M-V模型和Black-Litterman模型进行了对比。实证表明,优化后的模型具有一定的优越性,能够为投资者带来更好的投资绩效。
【关键词】：投资组合 Black-Litterman模型 GJR-GARCH-M模型 RBF模型
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-14
• 1.1 背景介绍9-10
• 1.2 国内相关课题研究现状10-13
• 1.2.1 国外相关研究现状10-12
• 1.2.2 国内相关研究状况12-13
• 1.3 本文研究的主要内容13-14
• 第2章 经典投资组合理论和BL模型14-30
• 2.1 经典投资理论14-18
• 2.1.1 Markowitz均值方差模型14-16
• 2.1.2 CAPM与套利定价理论16-18
• 2.2 均值方差模型的缺陷和拓展18-19
• 2.3 Black-Litterman资产配置模型19-30
• 2.3.1 BL模型发展简介19-20
• 2.3.2 BL模型的思路20-23
• 2.3.3 BL模型相关参数设定23-28
• 2.3.4 BL模型量化观点28-30
• 第3章 GJR-GARCH-M模型30-34
• 3.1 GARCH模型30-31
• 3.2 GARCH模型的拓展31
• 3.3 GJR-GARCH-M模型的应用31-34
• 第4章 基于径向基函数神经网络34-42
• 4.1 人工神经网络简介34
• 4.2 神经网络的分类34-35
• 4.3 RBF模型35-42
• 4.3.1 RBF模型基本结构36-38
• 4.3.2 RBF模型的基础38-39
• 4.3.3 RBF模型学习算法39-40
• 4.3.4 RBF模型和BL模型40-42
• 第5章 实证研究42-49
• 5.1 数据集选取42-43
• 5.2 数据的处理分析43-49
• 第6章 总结与展望49-51
• 参考文献51-53
• 致谢53-54
• 在读期间发表的学术论文54

【相似文献】

中国期刊全文数据库 前10条

1 周炜轩;;证券资产管理业务中的风险控制[J];中国外资;2011年18期

2 胡婧;;证券资产管理业务转型对策研究[J];中国科技信息;2013年23期

3 尹骞,王剑辉;如何正确评估企业的证券资产[J];财会月刊;1993年04期

4 李少白,刘永清,马德，

本文编号：654733