投资组合再抽样方法及其有效性研究

发布时间：2020-05-22 00:11

【摘要】： 均值-方差证券组合理论是一个两参数的二次规划问题,传统的研究注重于对该理论的两个输入参数进行无偏估计和放宽实际约束条件,以及在优化算法上进行突破。在理论上,均值-方差证券组合理论已经精美绝伦,但是在实际投资活动中,并没有得到广泛应用,原因在于该理论对两参数的微小变动十分敏感,往往导致组合结构缺乏稳定性,在样本期外只能取得次优业绩。本论文主要目的是利用再抽样方法改进传统均值-方差模型,以使其得到更大的实际应用。本文第二章在对均值-方差模型的基本概念进行介绍之后,我们通过对预测误差(estimation error)进行Monte Carlo模拟,发现由于预测的输入参数与真实参数存在差异,预测得到的有效边界位于真实有效边界的右下方。出现以上现象的原因在于经典均值-方差(Mean-Variance)模型对输入参数的变动非常敏感,输入参数的微小波动会造成最优化结果的巨大偏差。本文第三章利用已有文献提出的投资组合再抽样方法对投资组合的输入参数予以模拟以增加样本的信息量,从而大大降低均值-方差模型对输入参数的敏感性。本章中我们选取沪市A股10只股票采用再抽样方法进行实证分析,表明在均值-方差分析中运用再抽样方法进行组合权重修正,能够取得更接近于真实有效边界的再抽样有效边界,是对均值-方差模型有效改进。第三章建立的再抽样有效曲线还不能完全解决我们实际情况中所面临的问题。在实践中,投资者手中持有的股票组合并不总是在再抽样有效边界上。股票组合位于再抽样有效边界外并不一定意味着该股票组合就是无效的。由此我们有必要在再抽样有效曲线的基础之上判断一个股票组合是否有效,从而需要建立再抽样有效置信区域的概念。本文第四章基于传统均值-方差模型和Michaud(1998)再抽样有效边界曲线的基础之上,建立了投资组合的再抽样有效置信区域。针对Michaud(1998)构造再抽样有效置信区域方法的不足,提出了一种改进方法,使得构造的置信区域更加准确,并有助于指导实践中的投资组合权重分析。并且利用沪市A股10只股票进行的实证分析验证了改进方法的有效。本文第五章对全文做出总结。
【图文】：

输入参数,敏感性分析,方差,均值

图 2-4 均值－方差模型对输入参数的敏感性分析图 2-4 中用“o”标出的是由于人们无法准确预测均值－方差模型的输入法达到的事后均值－方差有效边界，即真实的有效边界线。“·”标出的参数进行模拟后得到的各个组合。由于人们无法准确预测输入参数，均模型的误差放大机制使组合权重发生偏离，从而实际投资无法达到经典差有效边界。在图中表现为“·”代表的模拟股票组合均位于“o”组成效边界线的右下方。图中用“ ”标出的为由于人们对输入参数无法准确用均值－方差模型进行组合投资能够获得的平均的均值－方差有效曲线意义为：由于人们无法准确预测均值－方差模型中的参数，人们采用经方差分析方法进行股票组合投资所能达到的平均业绩。从图 2-4 我们可地看到均值－方差模型对输入参数的变化具有很强的敏感性。

曲线,再抽样,投资分析,M-V模型

图 3-1 再抽样投资分析方法与 M-V 模型实证结果比较 3-1 中“o”标示的曲线为事后均值－方差有效边界，即真实的有效出的为我们采用 Michaud（1998）的再抽样方法获得的再抽样有标出的则为按照 2.4.2 节方法得到的平均的均值－方差有效曲线。出，再抽样投资分析方法取得的业绩表现明显优于平均的经典均值线。在我们无法准确预测图 3-1 中的真实有效边界的情况下，通过法能够获得相对好的业绩水平。值－方差证券投资组合模型受误差放大机制的影响，对输入参数的敏感，在信息量较小的情况下其对具有历史高收益和低风险特征的权重，对其他证券配置零权重，即均值－方差模型的角解（Corner S样投资分析方法可在已得的样本数据中获得更多的信息，减少输入，，降低了均值－方差模型对输入参数的这种敏感性，是对马科维茨型的一个有效改进。再抽样投资组合的改进
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：F830.91;F224

【参考文献】