基于CVaR总风险约束的积极投资组合模型及实证研究

发布时间：2017-03-30 07:06

  本文关键词：基于CVaR总风险约束的积极投资组合模型及实证研究，由笔耕文化传播整理发布。

【摘要】：Markowitz于1952年提出的均值-方差(MV)模型奠定了证券组合理论在金融学的核心地位。随着金融市场的快速发展,现实投资活动中越来越多的资金所有权和管理权相分离,如投资基金,投资者通常会将资金托付给投资管理者,希望凭借基金经理人的专业知识实现资金安全性和丰厚投资回报的双重目的,并且会定期评估基金经理人的业绩行为。于是,以跟踪误差为核心的积极型投资策略研究应运而生,作为均值-方差模型的一种改进,跟踪误差模型以相对收益和相对风险的形式,对投资管理者的业绩进行科学评价。在上述委托代理模式下,投资经理人基于利益和压力的双重驱使会想方设法地采取积极型投资策略,提高自身业绩的同时也相应滋生一些冒险行为,使得投资者资金蒙受较大的损失风险。此外,考虑到内外部环境以及金融市场的变化,传统投资模型基于参数和资产收益分布的确定性假设弊端日益凸显,如何对不确定情形下的金融资产进行合理配置也成为了一个丞待解决的问题。因此,本文进一步从风险控制和不确定环境的角度出发对积极投资组合管理开展以下方面的研究:首先,本文基于方差或风险价值(Va R)度量风险的局限性,引入条件风险价值(CVa R)对投资组合整体风险加以度量,改进传统的均值-跟踪误差模型只关注跟踪误差而忽略总风险的缺陷。同时结合投资者的投资倾向和市场因素,引入多元权值约束和交易费用,建立更加符合我国实际市场的扩展跟踪误差积极投资组合优化模型,并以深圳成分股指数为实证研究对象,分析对比模型的实用性。其次,金融市场及内外部环境的时常波动使得投资环境面临诸多不确定性,单纯依赖历史数据的参数估计过程容易受到估计误差的干扰。基于此本文运用Black-litterman模型替代传统的MV估计方法,利用BL模型的市场均衡理念和投资者对未来资产收益的看法,对投资组合模型的均值和协方差矩阵重新估计,构建了BL模型下含CVa R和多元权值约束的积极投资组合优化模型,并以我国行业市场指数为研究对象对比分析两种参数估计方法下的模型绩效。最后,针对以上研究,继续采用鲁棒优化方法分析资产收益分布不确定情形下的积极型投资策略。依据Casta所构建的跟踪误差鲁棒优化模型基础,进一步假设资产收益分布不确定而是隶属于某一分布信息集,将CVa R风险管理方法扩展到不确定情形下的Worst-case CVa R,同时引入多元权重约束和交易成本等实际条件,构建WCVa R总风险约束下的鲁棒跟踪误差积极投资组合模型,通过线性矩阵不等式优化求解。实证研究中以沪深300指数成分股为研究对象对比分析资产收益分布确定和不确定情形下的模型实用性。本文分别在传统概率理论和鲁棒优化理论框架下研究适合实际投资应用的跟踪误差积极投资组合策略,提出CVa R总风险约束和多元权值约束下的扩展模型,并借助计算机软件采用经典优化方法和鲁棒优化方法对模型进行相应求解。本研究工作不仅能够为投资组合理论的发展提供学术参考价值,同时对投资管理者的投资决策以及金融市场的发展也具有重要的现实指导意义。
【关键词】：积极投资组合管理 跟踪误差 条件风险价值 BL模型 线性矩阵不等式
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F830.91;F224
【目录】：

• 摘要5-7
• Abstract7-11
• 第一章 绪论11-23
• 1.1 研究背景及研究意义11-12
• 1.2 国内外研究综述12-19
• 1.2.1 确定性情形下的积极投资组合研究12-14
• 1.2.2 基于BL模型的积极投资组合研究14-16
• 1.2.3 不确定性情形下的鲁棒积极投资组合研究16-19
• 1.3 研究目标和研究内容19-20
• 1.3.1 研究目标19
• 1.3.2 研究内容19-20
• 1.4 研究方法和研究思路20-21
• 1.4.1 研究方法20
• 1.4.2 研究思路20-21
• 1.5 论文结构21-23
• 第二章 理论基础23-35
• 2.1 投资组合理论模型23-26
• 2.1.1 均值-方差模型23-24
• 2.1.2 均值-TEV模型24-26
• 2.2 CVa R风险度量方法26-29
• 2.2.1 CVa R的定义26-28
• 2.2.2 CVa R的性质28-29
• 2.3 BL模型29-31
• 2.3.1 模型思路29-30
• 2.3.2 模型公式30-31
• 2.4 鲁棒优化理论31-34
• 2.4.1 理论框架和原理31-32
• 2.4.2 线性矩阵不等式方法32-34
• 2.5 本章小结34-35
• 第三章 基于CVa R和多元权值约束的积极投资组合模型35-49
• 3.1 方差总风险约束下的均值-TEV模型35-38
• 3.2 构建CVaR和多元权值约束下的跟踪误差优化模型38-42
• 3.2.1 CVa R总风险约束38-39
• 3.2.2 交易费用和多元权值约束39-40
• 3.2.3 模型建立及求解步骤40-42
• 3.3 实证分析42-47
• 3.3.1 数据处理及参数设定42-43
• 3.3.2 分析结果43-47
• 3.4 本章小结47-49
• 第四章 BL框架下含CVaR和多元权值约束的积极投资组合模型49-61
• 4.1 BL模型参数49-52
• 4.2 构建BL框架下的跟踪误差优化模型52-54
• 4.2.1 模型建立52-53
• 4.2.2 模型求解步骤53-54
• 4.3 实证分析54-60
• 4.3.1 数据处理及基本统计描述54-55
• 4.3.2 BL模型构建55-57
• 4.3.3 参数设定及优化结果57-60
• 4.4 本章小结60-61
• 第五章 基于WCVa R和多元权值约束下的鲁棒积极投资组合模型61-76
• 5.1 基于线性矩阵不等式的跟踪误差鲁棒投资组合模型61-64
• 5.2 构建WCVa R约束下的鲁棒积极投资组合优化模型64-68
• 5.2.1 WCVa R总风险约束64
• 5.2.2 混合分布不确定性64-66
• 5.2.3 模型建立及求解过程66-68
• 5.3 实证分析68-74
• 5.3.1 数据处理及参数设定68-70
• 5.3.2 分析结果70-74
• 5.4 本章小结74-76
• 结论与展望76-79
• 参考文献79-85
• 附录85-87
• 攻读硕士学位期间取得的研究成果87-88
• 致谢88-89
• 附件89

【参考文献】

中国期刊全文数据库 前10条

1 韩国庆;;跟踪误差约束下的布莱克—李特曼模型[J];重庆文理学院学报(社会科学版);2010年01期

2 屈颖爽;陈守东;王晨;;跟踪误差约束下指数化投资组合优化的实证分析[J];工业技术经济;2008年01期

3 凌爱凡;杨晓光;唐乐;;具有多元权值约束的鲁棒LPM积极投资组合[J];管理科学学报;2013年08期

4 姚海祥;易建新;李仲飞;;协方差矩阵退化情形均值-CVaR模型的有效边界[J];数理统计与管理;2008年01期

5 温琪;陈敏;梁斌;;基于Black-Litterman框架的资产配置策略研究[J];数理统计与管理;2011年04期

6 刘磊;;基于遗传神经网络的指数跟踪优化方法[J];系统工程理论与实践;2010年01期

7 童小娇;刘青;;离散界约束分布下的WCVaR风险分析及其应用[J];系统工程理论与实践;2010年02期

8 李倩;孙林岩;鲍亮;;基于免疫记忆克隆算法的指数化投资组合优化构建策略[J];运筹与管理;2009年06期

9 方毅;张屹山;;跟踪误差下积极资产组合投资的风险约束机制[J];中国管理科学;2006年04期

10 高莹;黄小原;;具有VaR约束的跟踪误差投资组合鲁棒优化模型[J];中国管理科学;2007年01期

中国硕士学位论文全文数据库 前1条

1 马家驹;基于Black-Litterman模型下的带流动性风险测度约束的资产配置模型[D];浙江大学;2005年

  本文关键词：基于CVaR总风险约束的积极投资组合模型及实证研究，由笔耕文化传播整理发布。

，

本文编号：276489