基于约翰逊分布的CPPI策略条件风险乘数选择的研究
发布时间：2021-11-04 11:59
投资组合保险策略产生于1976年,是一种复制期权交易策略,利用无套利均衡技术转嫁或者对冲证券市场风险,达到投资者对投资组合价值进行保险的目的。目前国内外金融市场最常用的组合保险策略是固定比例投资组合保险策略（CPPI策略）。传统CPPI策略中假设风险乘数固定不变,但固定的风险乘数使投资组合价值在市场下行时不断遭受下跌损失,在市场上行时不能有效获得投资组合价值增值收益。因此学者们提出了动态改变风险乘数。目前的研究都假定风险资产收益服从对数正态分布,但在实际应用中,风险资产收益分布具有负偏度和尖峰度,因此,本文引入约翰逊分布体系,刻画风险资产收益的非正态性,将非正态数据转化为正态数据,使用GARCH模型可以得到准确的风险资产收益均值和波动率估计值,并根据市场风险资产价格变化的内因并入分位数及部分分位数对风险乘数进行动态调整。本文通过对传统CPPI策略运行机制进行分析,构建基于约翰逊分布的动态CPPI策略模型,通过引入分位数和部分分位数,选择条件风险乘数,设定缓冲额度为某一线性函数,将缓冲额度大于阈值L（缓冲额度的临界值）设置为某一概率水平（1-a,a为投资者风险损失容忍度）,概率水平（1-...
【文章来源】：河南大学河南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
一l沪深300指数2010年一20巧年走势图
５．０００?－?Ｉ??４．５００?－?ｆ??４．０００?－?Ｉ?ｊ??２．０００?ｉ?‘￣Ｉ－ｒ－ｒ－ｐ－Ｔ—ｊ—ｐ￣ｉ￣｜?ｉ?＇?｜?＞?ｉ?｜?＞￣＇?｜?■?１?｜?■?１?￣｜?１?１?｜?１?￣１?Ｉ?１?１?Ｉ?＇?＇?ｉ?＇?１?Ｉ￣１?￣１?｜?１?＇?Ｉ?＇?１?｜?＇?＇?Ｉ￣＊?１?Ｉ?１?１?￣Ｍ?１?Ｉ?１?１?Ｉ￣１?＇?Ｉ?１?１??Ｉ?Ｉ！?Ｉｌｌ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ??２０１０?２０１１?２０１２?２０１３?２０１４?２０１５??图５－１沪深３００指数２０１０年一２０１５年走势图??５．２约翰逊分布参数的估计??图５－２表明该收益率序列存在“尖峰厚尾”现象，偏度值是－０．５９６８，小于０，峰７．００８５，比正态分布标准峰值３大。另外，ＪＢ统计量为１０６０．５０１，Ｐ值为０，因此该对数收益序列服从正态分布的假设。??２８０??????Ｓｅｒｉｅｓ：?Ｒ??
?２０１４?２０１５??图５－１沪深３００指数２０１０年一２０１５年走势图??５．２约翰逊分布参数的估计??图５－２表明该收益率序列存在“尖峰厚尾”现象，偏度值是－０．５９６８，小于０，峰度??是７．００８５，比正态分布标准峰值３大。另外，ＪＢ统计量为１０６０．５０１，Ｐ值为０，因此拒??绝该对数收益序列服从正态分布的假设。??２８０??????■?Ｉ?Ｓｅｒｉｅｓ：?Ｒ??２４〇?Ｉ?Ｊ?Ｓａｍｐｌｅ?１／０４／２０１０?１２／３１／２０１５??｜ＩＨ?Ｏｂｓｅｒｖａｔｉｏｎｓ?１４５５??２００＂?Ｍｅａｎ?３．７０ｅ－０５??！?Ｍｅｄｉａｎ?０．０００１４８??Ｍａｘｉｍｕｍ?０．０６４９８９??Ｍｉｎｉｍｕｍ?－０．０９１５４２??１２０＇?Ｓｔｄ．?Ｄｅｖ．?０．０１６１２８??Ｓｋｅｗｎｅｓｓ?■０．５９６８０７??８０?ｊ?７．００８５０２??Ｊａｒｑｕｅ－Ｂｅｒａ?１０６０．５０１??Ｐｒｏｂａｂｉｌｉｔｙ?〇．〇〇〇〇〇〇??〇?ｌ；?—?！?Ｊ????－０．０８?－０．０６?－０．０４?－０．０２?０．００?０．０２?０．０４?０．０６??图５－２沪深３００指数对数收益率序列直方图??５．２．１估计约翰逊分布类型及对应参数??从图５－２可知，沪深３００指数对数收益率不服从正态分布，因此不符合ＧＡＲＣＨ模??型中风险资产价格分布为正态分布的假定。现按第２．４节的程序用约翰逊分布拟合沪深??３００?指数。取ｚ＝０．６９
【参考文献】：
期刊论文
[1]基于BG分资收益分合与尾风险——以海黄金市为[J]. 姚萍,王杰,杨爱军. 数理统计与管理. 2019(04)
[2]基于GARCH族的上证指数VaR风险测度研究[J]. 周伟杰,卢星虹. 现代营销(下旬刊). 2018(09)
[3]投资者情绪与CPPI策略最优风险乘数选择[J]. 姚远,姜雅芳,翟佳. 管理评论. 2018(08)
[4]基于几何平均亚式期权的投资组合保险策略[J]. 姚远,李光举. 系统管理学报. 2018(03)
[5]基于GARCH模型的股票市场波动预测——以沪深300指数为例[J]. 刘浩宇. 武汉商学院学报. 2018(02)
[6]基于GARCH模型的中国股票市场波动性研究[J]. 高金莎. 时代金融. 2017(21)
[7]基于GARCH族模型的我国股市波动性分析[J]. 汤祥凤. 山东青年政治学院学报. 2016(03)
[8]我国融资融券业务对股票市场波动性的影响研究——基于GARCH模型的实证[J]. 阚辰骁. 学理论. 2015(27)
[9]CPPI策略风险乘数优化及实证[J]. 孙雨薇,王晓慧,周明. 统计与决策. 2015(11)
[10]基于MACD预测指标动态调整的CPPI策略[J]. 姚远,翟佳,范铭奇. 管理评论. 2015(04)
博士论文
[1]投资组合保险最优化研究及策略分析[D]. 姚远.西南交通大学 2006
[2]非正态分布条件下的投资组合模型研究[D]. 侯成琪.武汉大学 2005
[3]资产组合收益—风险的理论分析与实证研究[D]. 李博.厦门大学 2002
硕士论文
[1]基于分位数条件的CPPI策略风险乘数选择的研究[D]. 李莉.河南大学 2017
[2]GARCH类模型的波动率预测实证研究[D]. 张瑞.苏州大学 2017
[3]基于离散时间的极端风险条件下CPPI策略有效性研究[D]. 卢璞.河南大学 2015
[4]股票市场预期收益率研究[D]. 张晓彤.沈阳工业大学 2015
[5]中国股市收益率偏度特性研究[D]. 方力.复旦大学 2014
[6]中国证券投资收益率的尾部风险研究[D]. 邓兴颖.西南财经大学 2014
[7]CPPI策略缺口风险研究[D]. 黄丽清.复旦大学 2009
本文编号：3475682
【文章来源】：河南大学河南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
一l沪深300指数2010年一20巧年走势图
５．０００?－?Ｉ??４．５００?－?ｆ??４．０００?－?Ｉ?ｊ??２．０００?ｉ?‘￣Ｉ－ｒ－ｒ－ｐ－Ｔ—ｊ—ｐ￣ｉ￣｜?ｉ?＇?｜?＞?ｉ?｜?＞￣＇?｜?■?１?｜?■?１?￣｜?１?１?｜?１?￣１?Ｉ?１?１?Ｉ?＇?＇?ｉ?＇?１?Ｉ￣１?￣１?｜?１?＇?Ｉ?＇?１?｜?＇?＇?Ｉ￣＊?１?Ｉ?１?１?￣Ｍ?１?Ｉ?１?１?Ｉ￣１?＇?Ｉ?１?１??Ｉ?Ｉ！?Ｉｌｌ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ?Ｉ?ＩＩ?ＩＩＩ?ＩＶ??２０１０?２０１１?２０１２?２０１３?２０１４?２０１５??图５－１沪深３００指数２０１０年一２０１５年走势图??５．２约翰逊分布参数的估计??图５－２表明该收益率序列存在“尖峰厚尾”现象，偏度值是－０．５９６８，小于０，峰７．００８５，比正态分布标准峰值３大。另外，ＪＢ统计量为１０６０．５０１，Ｐ值为０，因此该对数收益序列服从正态分布的假设。??２８０??????Ｓｅｒｉｅｓ：?Ｒ??
?２０１４?２０１５??图５－１沪深３００指数２０１０年一２０１５年走势图??５．２约翰逊分布参数的估计??图５－２表明该收益率序列存在“尖峰厚尾”现象，偏度值是－０．５９６８，小于０，峰度??是７．００８５，比正态分布标准峰值３大。另外，ＪＢ统计量为１０６０．５０１，Ｐ值为０，因此拒??绝该对数收益序列服从正态分布的假设。??２８０??????■?Ｉ?Ｓｅｒｉｅｓ：?Ｒ??２４〇?Ｉ?Ｊ?Ｓａｍｐｌｅ?１／０４／２０１０?１２／３１／２０１５??｜ＩＨ?Ｏｂｓｅｒｖａｔｉｏｎｓ?１４５５??２００＂?Ｍｅａｎ?３．７０ｅ－０５??！?Ｍｅｄｉａｎ?０．０００１４８??Ｍａｘｉｍｕｍ?０．０６４９８９??Ｍｉｎｉｍｕｍ?－０．０９１５４２??１２０＇?Ｓｔｄ．?Ｄｅｖ．?０．０１６１２８??Ｓｋｅｗｎｅｓｓ?■０．５９６８０７??８０?ｊ?７．００８５０２??Ｊａｒｑｕｅ－Ｂｅｒａ?１０６０．５０１??Ｐｒｏｂａｂｉｌｉｔｙ?〇．〇〇〇〇〇〇??〇?ｌ；?—?！?Ｊ????－０．０８?－０．０６?－０．０４?－０．０２?０．００?０．０２?０．０４?０．０６??图５－２沪深３００指数对数收益率序列直方图??５．２．１估计约翰逊分布类型及对应参数??从图５－２可知，沪深３００指数对数收益率不服从正态分布，因此不符合ＧＡＲＣＨ模??型中风险资产价格分布为正态分布的假定。现按第２．４节的程序用约翰逊分布拟合沪深??３００?指数。取ｚ＝０．６９
【参考文献】：
期刊论文
[1]基于BG分资收益分合与尾风险——以海黄金市为[J]. 姚萍,王杰,杨爱军. 数理统计与管理. 2019(04)
[2]基于GARCH族的上证指数VaR风险测度研究[J]. 周伟杰,卢星虹. 现代营销(下旬刊). 2018(09)
[3]投资者情绪与CPPI策略最优风险乘数选择[J]. 姚远,姜雅芳,翟佳. 管理评论. 2018(08)
[4]基于几何平均亚式期权的投资组合保险策略[J]. 姚远,李光举. 系统管理学报. 2018(03)
[5]基于GARCH模型的股票市场波动预测——以沪深300指数为例[J]. 刘浩宇. 武汉商学院学报. 2018(02)
[6]基于GARCH模型的中国股票市场波动性研究[J]. 高金莎. 时代金融. 2017(21)
[7]基于GARCH族模型的我国股市波动性分析[J]. 汤祥凤. 山东青年政治学院学报. 2016(03)
[8]我国融资融券业务对股票市场波动性的影响研究——基于GARCH模型的实证[J]. 阚辰骁. 学理论. 2015(27)
[9]CPPI策略风险乘数优化及实证[J]. 孙雨薇,王晓慧,周明. 统计与决策. 2015(11)
[10]基于MACD预测指标动态调整的CPPI策略[J]. 姚远,翟佳,范铭奇. 管理评论. 2015(04)
博士论文
[1]投资组合保险最优化研究及策略分析[D]. 姚远.西南交通大学 2006
[2]非正态分布条件下的投资组合模型研究[D]. 侯成琪.武汉大学 2005
[3]资产组合收益—风险的理论分析与实证研究[D]. 李博.厦门大学 2002
硕士论文
[1]基于分位数条件的CPPI策略风险乘数选择的研究[D]. 李莉.河南大学 2017
[2]GARCH类模型的波动率预测实证研究[D]. 张瑞.苏州大学 2017
[3]基于离散时间的极端风险条件下CPPI策略有效性研究[D]. 卢璞.河南大学 2015
[4]股票市场预期收益率研究[D]. 张晓彤.沈阳工业大学 2015
[5]中国股市收益率偏度特性研究[D]. 方力.复旦大学 2014
[6]中国证券投资收益率的尾部风险研究[D]. 邓兴颖.西南财经大学 2014
[7]CPPI策略缺口风险研究[D]. 黄丽清.复旦大学 2009
本文编号：3475682
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3475682.html
