基于最优增长路径的多期投资组合选择及其动态调整研究
发布时间:2020-04-14 23:09
【摘要】: 随着中国经济的发展,投资业对投资组合理论和实践方法的需求越来越大,广大投资者也需要相应的适合中国股票市场的投资理论来指导实践。 因此,本文将研究的主要范围设定为包括“战略投资”(Strategic Investment)、“战术投资”(Tactical Investment)及其绩效评估和风险评估在内的投资组合理论,以求达到如下目的: 在“战略投资”层面上,本研究的目的为: 1)从理论上,提出基于VaR-Kelly体系的新模型以弥补现有的投资组合模型所存在的缺陷,以满足实际投资活动的需求。 2)在实践中,通过对不同投资策略在中国股票市场的实证来比较各类投资策略在中国股票市场的优劣,为投资者提供相应的参考。同时,对所提出的新模型在中国股票市场上进行实证。 在“战术投资”层面上,本研究的目的为: 1)从理论上,研究Black-litterman模型的求解方法,以期提供更加合理的求解方法。 2)在实践中,用最优权重因子法对“战术投资”策略中的信号个数、信号类别(高频信号及低频信号)进行研究,以了解信号个数及信号类别对“战术投资”绩效的影响。 在绩效评估和风险评估层面上,本研究的目的为: 1)从理论上,研究新的基于VaR体系的投资绩效评估方法,并与其他方法做相应的比较。 2)提出新的模型对分类信息条件下的风险进行估算。 在实证方法上,本文以中国A股市场的部分行业的股票数据、计算机模拟的数据及上证指数的高频数据为研究对象,采用matlab,eview等工具进行编程及计算机仿真模拟。 本文所作的主要工作和有关结论如下: 首先,在对“不加入安全约束条件下各类投资策略”进行了研究,由于这些传统的投资策略没有加入安全约束条件,即没有把风险考虑进去。而且,从实证的结果来看,投资绩效不是很理想,因此,我们仅仅将此类投资结果列出作为广大投资者参考之用,不推荐在实际的投资活动中采用这些方法。 其次,对“加入安全约束条件下各类投资策略”进行了研究,本文提出了基于VaR及Kelly增长体系的“基于最优增长路径的增长-安全模型”。该模型相对其他的模型而言,在风险度量上采用VaR方法,较以前的以方差等指标作为风险度量的方法有了一定的改进,在收益的衡量方面,采用Kelly增长体系替代传统的收益衡量体系,并在离散条件下,用基于情景分析的方法计算其相应的结果。该模型既值得作进一步深入研究,也可作为用于投资活动的一种实践工具。 在对“战术投资”的研究上,本文讨论了“最优权重比例模型(OAF模型)”和Black-Litterman模型中的部分问题。我们发现:只要信号之间的α(超过基准的超额收益率)之间的相关系数不全为零,采用最优权重因子法(OAF)中,可以显著地提高“信息比率”。同时,建议使用高频信号,并说明了采用多的信号数量对提高“信息比率”作用不大。 同时,本文对Black-Litterman模型的传统求解过程进行了质疑,指出了Idzorek(2002)的求解方法的错误之处,并给出了相应的解决方法。 此外,在对“投资绩效评估”的研究上,本文提出了基于VaR体系的投资绩效评估方法:“收益-VaR比率”。研究结果发现,在正态分布条件下,用夏普比率和用收益-VaR比率得到的绩效排名是一致的。然而,在非正态分布条件下,两种方法得到的结果却有可能不相同。 最后,在研究分类信息条件下的风险估算问题时,本文提出了基于高频数据的分类信息混合分布GARCH类模型,考察好消息、坏消息对上证指数波动性的影响,比较了不同GARCH类模型得出的结论。同时,用GARCH模型及EGARCH模型对上证指数进行了实证研究,结果发现:基于高频数据的分类信息混合分布的EGARCH模型较基于高频数据的分类信息混合分布的GARCH模型及Craig A.Depken(1999)提出的模型更符合实际情况,能更准确的衡量分类信息对波动的影响。
【图文】:
97τ变化时的变化,计算结果如图4.3所示:图4.3τ系数的计算机模拟结果图4.3中,纵轴表示投资权重,横轴表示τ 的取值,我们看到,当τ 的取值为0.3以上时,投资组合能得到稳定的投资权重。因此,我们取τ 为0.3到1之间的任意一常数,而非如Idzorek(2002)所提出的计算方法。另外,作为对计算资产波动率的参考和补充,本论文还在5.3节部分提出了一种能区分好坏信息对资产波动率的影响的方法,作为必要的补充,此方法可用GARCH类模型来预测分类信息下未来的方差-协方差矩阵。3)投资者“观点”的误差项协方差矩阵(Σ)由于投资者的“观点”不大可能出现完全与真实的报酬率一致,也就说,当预测报酬率出现误差时
RV t 作为100t%置信水平下的投资组合 w 的收益-VaR比率。图5.1 收益-VaR比率示意图5.1中,横轴表示VaR值,而纵轴表示了收益。点F,A,B,M分别对应无风险资产,投资组合A,投资组合B和市场投资组合。因为VaR是在一定置信水平下一定时间内的最大损失
【学位授予单位】:华中科技大学
【学位级别】:博士
【学位授予年份】:2006
【分类号】:F830.59;F224
本文编号:2627818
【图文】:
97τ变化时的变化,计算结果如图4.3所示:图4.3τ系数的计算机模拟结果图4.3中,纵轴表示投资权重,横轴表示τ 的取值,我们看到,当τ 的取值为0.3以上时,投资组合能得到稳定的投资权重。因此,我们取τ 为0.3到1之间的任意一常数,而非如Idzorek(2002)所提出的计算方法。另外,作为对计算资产波动率的参考和补充,本论文还在5.3节部分提出了一种能区分好坏信息对资产波动率的影响的方法,作为必要的补充,此方法可用GARCH类模型来预测分类信息下未来的方差-协方差矩阵。3)投资者“观点”的误差项协方差矩阵(Σ)由于投资者的“观点”不大可能出现完全与真实的报酬率一致,也就说,当预测报酬率出现误差时
RV t 作为100t%置信水平下的投资组合 w 的收益-VaR比率。图5.1 收益-VaR比率示意图5.1中,横轴表示VaR值,而纵轴表示了收益。点F,A,B,M分别对应无风险资产,投资组合A,投资组合B和市场投资组合。因为VaR是在一定置信水平下一定时间内的最大损失
【学位授予单位】:华中科技大学
【学位级别】:博士
【学位授予年份】:2006
【分类号】:F830.59;F224
【参考文献】
相关期刊论文 前8条
1 李楚霖,杨明;多期风险资产组合的有效前沿[J];管理工程学报;2000年02期
2 易江,李楚霖;用安全第一标准选择多期风险资产组合[J];管理工程学报;2001年03期
3 唐齐鸣;陈健;;市场信息流与股票波动性分析[J];经济管理;2001年20期
4 朱永安,石礼英;基于混合分布假说的股市价量关系研究[J];集美大学学报(哲学社会科学版);2003年03期
5 鲁晨光;投资组合和信息价值新理论用于预测评价和优化[J];预测;1997年01期
6 王晓峰,李楚霖;动态投资的增长—安全决策[J];预测;1999年01期
7 沈根祥;股票收益随机波动模型研究[J];中国管理科学;2003年02期
8 魏宇,黄登仕;中国股票市场波动持久性特征的DFA分析[J];中国管理科学;2004年04期
,本文编号:2627818
本文链接:https://www.wllwen.com/jingjifazhanlunwen/2627818.html