多阶段金融资产配置情景生成及实证研究

发布时间：2020-03-26 16:35

【摘要】：本文对多阶段金融资产配置问题中的情景生成问题进行研究,设计了基于上下限的二叉树情景生成法、基于矩匹配的二叉树情景生成法、基于聚类分析的二叉树情景生成法以及适合于多经济指标的二叉树情景生成方法,提出改进的情景分层随机提取法。以我国经济环境为依托,考虑未来的不确定性,对沪深300指数进行预测,对安信基金多阶段资产配置进行研究。将本文设计的三种二叉树情景生成方法得到的沪深300指数预测值与实际值进行比较,将应用改进的情景分层随机提取法与Kim的情景分层随机提取法得到的结果进行比较。论文的研究主要包括： 第一,综述国内外学者关于情景生成的相关文献。 第二,设计多种二叉树情景生成方法,包括基于上下限的二叉树情景生成法、基于矩匹配的二叉树情景生成法、基于聚类分析的二叉树情景生成法以及多经济指标的二叉树情景生成方法。 第三,在Kim的情景分层随机提取法基础上,提出改进的情景分层法。 第四,将设计的情景生成法和情景分层随机提取法应用到实际的预测与决策中进行应用研究。首先对三阶段沪深300指数进行预测,然后以安信基金为对象对基金多阶段资产配置问题进行实证研究。
【图文】：

通过向量自回归模型，可以直接得到每一时刻各资产的估计收益率。但是由向量自回归模型得到的连续收益率不能够很好的刻画波动性很大的实际收益率，比如股票的收益率。图3.2是1994年三季度到2006年1季度上证综指的实际季度收益率和生成季度收益率的比较。其中较平缓的曲线是由模型得到的收益，，较陡峭的曲线是实际收益。可看出，模型生成的预测收益无法模拟现实波动较大的证券市场收益，因此如果模拟一个收益范围，并且实际收益包含在这个范围内，那么从范围中随机提取数据作为预测值比由向量自回归模型直接得到预测值更有可能符合实际。

图4.1预测指数与实际指数比较图 F19.4.1ComPareoftheforeeastindexandtherealindex通过图4.1所示，可以直观的看到对于第一期的情景预测，这几种方法都一定程度上近似于实际指数，但是从第二期开始上下限取情景法对于指数的预测更有优势，对于第三期指数预测，上下限取情景法有67%的点比较接近实际指数。因此，对于单经济指标多阶段的情景预测，应用上下限生成二叉树情景优于应用矩匹配生成二叉树情景和应用聚类分析生成二叉树情景。4.2情景生成在基金资产配置中的应用4.2.1建立资产收益向量自回归模型采用1993年第一季度到2006年第一季度的存款季度连续收益率、国债季度连续收益率和股票季度连续收益率数据(数据来源于Wind数据库)对式 3.1和式 3.2进行估计。对于季度数据，滞后期往往取4或者8[68]，令滞后期为4
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F224;F832.51

【参考文献】

相关期刊论文 前8条

1 丁进,杨永愉;基于历史的情景模拟修正模型[J];北京化工大学学报(自然科学版);2005年04期

2 金秀,冯英洁,黄小原;基于多期随机优化的个人财务计划模型[J];东北大学学报;2005年09期

3 金秀,马丽丽,黄小原;多阶段资产配置模型及其在投资基金中的应用[J];东北大学学报;2005年10期

4 李伟,刘春波;投资项目风险评估中动态情景模拟法[J];工业技术经济;2003年05期

5 葛文雷,孙文龙;战略投资决策中实物期权与情景分析的整合研究[J];山东纺织经济;2005年06期

6 金秀,黄小原;资产负债管理模型及在辽宁养老金问题中的应用[J];系统工程理论与实践;2005年09期

7 吉小东;汪寿阳;李振涛;;一种基于聚类分析的多阶段情景生成方法[J];系统工程理论与实践;2006年07期

8 金秀,黄小原,马丽丽;基于VaR的多阶段金融资产配置模型[J];中国管理科学;2005年04期

本文编号：2601682