基于贝叶斯学习的动态投资组合选择

发布时间：2018-03-30 15:49

  本文选题：贝叶斯学习　切入点：HJB方程　出处：《中国管理科学》2017年08期

【摘要】：假设金融市场中有两种风险资产,并且每种资产的收益中均含有不可观测项、对应的风险既有系统性风险又有自身特有风险,具有幂效用函数的投资者运用贝叶斯学习方法最优地选取自己的动态投资组合。理论模型与数值分析显示,在一定的投资期限内,对风险资产的投入是风险厌恶程度的减函数;但超过某一时刻,则相反。当风险厌恶程度不变时,对不可观测因素的了解使得长、短期的投资策略不同。而且这个转折点随投资者的风险厌恶程度的增加而减小。风险资产与不可观测因素的相关性与风险的大小成反比例关系。
[Abstract]:Assuming that there are two types of risky assets in the financial market, and that the return on each asset contains unobservable items, the corresponding risk has both systemic risks and unique risks of its own. Investors with power utility function use Bayesian learning method to select their own dynamic portfolio optimally. Theoretical model and numerical analysis show that the investment of risk assets is a reduction function of risk aversion degree within a certain investment period. But beyond a certain moment, the opposite is true. When risk aversion is constant, knowledge of unobservable factors makes it longer, The short-term investment strategy is different. And this turning point decreases with the increase of risk aversion of investors. The correlation between risk assets and unobservable factors is inversely proportional to the magnitude of risk.
【作者单位】： 首都经济贸易大学统计学院;
【基金】：国家自然科学基金资助项目(11371001) 首都经济贸易大学科研水平提高定额项目
【分类号】：F830.59;TP18

【相似文献】

相关期刊论文 前10条

1 王理冬;汪光阳;程泽凯;朱孝宇;;贝叶斯网络的发展与展望[J];安徽工业大学学报(自然科学版);2006年02期

2 王娟;柴玉梅;;基于多议题协商的贝叶斯学习[J];计算机技术与发展;2006年02期

3 冯楠;李敏强;寇纪淞;方德英;;基于贝叶斯网络的软件项目风险分析过程[J];计算机工程与应用;2006年18期

4 陈飞;王本年;高阳;陈兆乾;陈世福;;贝叶斯学习与强化学习结合技术的研究[J];计算机科学;2006年02期

5 胡振宇;林士敏;;贝叶斯学习中的线性联合先验[J];计算机工程与应用;2012年01期

6 胡振宇,林士敏,陆玉昌;相容的贝叶斯学习及其后验分布的渐近正态性[J];广西师范大学学报(自然科学版);2004年01期

7 王娟;王璞;;贝叶斯网络的在线学习[J];黑龙江科技信息;2008年35期

8 王娟;王璞;;基于不妥协度的Bayes学习协商机制[J];电脑知识与技术;2008年27期

9 李晶晶;;论贝叶斯学习机的学习过程[J];甘肃联合大学学报(自然科学版);2009年04期

10 胡振宇;林士敏;陆玉昌;;贝叶斯学习中基于贝叶斯判别分析的先验分布选取[J];计算机科学;2003年08期

相关会议论文 前2条

1 路子峗;张旭东;高隽;;基于稀疏贝叶斯学习的相关向量跟踪[A];第七届青年学术会议论文集[C];2005年

2 黄桂松;;一种基于贝叶斯网络的业务驱动认知网络实现方法[A];江苏省电子学会2010年学术年会论文集[C];2010年

相关博士学位论文 前2条

1 徐e�剑�

本文编号：1686569