基于改进的Tsallis广义熵模型的投资组合分析

发布时间：2017-05-19 20:22

  本文关键词：基于改进的Tsallis广义熵模型的投资组合分析，，由笔耕文化传播整理发布。

【摘要】：在当今社会,“投资”这个词已经不再如从前那样显得神秘莫测,尤其是随着互联网金融的出现,投资的观念通过互联网的春风吹进了千家万户,有相当一部分人希望将自己的收入通过合理的投资实现资产保值、升值。现代投资组合管理作为现代金融理论的一个核心内容,所面临的重要问题就是如何选择投资组合中的资产并且对这些资产的组合权重进行配置,进而使组合的投资预期收益最大化或者所承担的风险最小化。现代投资组合理论认为,通过进行充分合理的投资组合管理可以分散所有的非系统性风险,因此,合理地进行投资组合管理是投资决策的一项重要内容。 在预期收益一定的情况下,所承担的风险最小化也是投资组合管理所追求的目标之一。因此,选择何种指标来对风险进行度量也是投资组合管理中一项重要的研究内容。1952年,投资组合理论的开创者Markowitz利用方差来度量风险。随后有人提出半方差、绝对偏差函数、平均绝对偏差和LPM方法。20世纪90年代,J.P摩根公司使用了VaR指标,与之前的其他指标相比,VaR具有非常良好的统计性质。但是VaR指标自身也存在一些缺陷,比如没有反映尾部信息,无法预测小概率情况的风险,因此Rockafellar和Uryasev(1999)提出了估计平均超额损失的CVaR这个新的风险测度。随着交叉学科在理论研究中的发展,国外学者将物理热力学中用于度量不确定性的熵以及广义熵作为一种风险度量的测度应用于证券投资分析中。在物理热力学中,熵是一种不确定性的度量,其值越大表明对所求解问题已知的信息越少,不确定性越大。而在投资组合中“风险”就是不确定性,因此熵可以用于度量组合风险。考虑到我国目前融资融券业务已经展开,未来的市场制度也将允许投资者进行股票卖空操作。本文采用巴西物理学家Tsallis提出的Tsallis广义熵作为投资组合中度量风险的测度,并将Minimum-Torsion Bets方法引入Tsallis广义熵,该方法可以在保持原有市场信息最大化的情况下起到降低资产间相关性的作用,同时Minimum-Torsion Bets方法也可以解除原始Tsallis广义熵模型权数必须为正的限制,提高模型的实用性。 实证方面,本文选取沪市八只股票作为研究对象,样本区间为2009年1月5日到2013年8月8日,共计1115个交易日。首先将使用Minimum-Torsion Bets方法得出的各元素之间的相关系数矩阵与样本相关系数矩阵进行对比,可以看到资产间相关性大幅降低,且均趋于0。接着我们以样本收益率均值作为预先确定的期望收益,分别计算出MV模型和本文模型的投资组合权重,并依此权重分别计算相应的组合方差。从权数和组合方差的计算结果可以得出,本文模型不仅实现了自由看多或者卖空某项资产的功能,而且较之MV模型,达到了降低以方差为度量的组合风险的效果。
【关键词】：投资组合 Minimum-Torsion Bets Tsallis广义熵
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F830.59
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 绪论11-17
• 1.1 引言11-12
• 1.2 相关课题研究现状12-15
• 1.2.1 投资组合管理研究现状12-14
• 1.2.2 风险测度指标研究现状14-15
• 1.3 本文的写作思路及内容框架15-17
• 第2章 投资组合理论17-29
• 2.1 Markowitz“均值-方差”模型17-19
• 2.2 资本资产定价模型19-21
• 2.3 套利定价模型21-23
• 2.4 Black-Scholes期权定价模型23-24
• 2.5 Black-Litterman模型24-26
• 2.6 本章小结26-29
• 第3章 投资组合风险度量——广义熵模型29-39
• 3.1 方差及其相关测度29-31
• 3.1.1 方差和标准差29-30
• 3.1.2 下半方差和下半标准差30
• 3.1.3 下偏距30-31
• 3.1.4 绝对离差31
• 3.2 VaR和CVaR风险度量模型31-33
• 3.2.1 VaR32
• 3.2.2 CVaR32-33
• 3.3 广义熵理论33-37
• 3.3.1 熵的概念及信息熵34-35
• 3.3.2 广义熵35-37
• 3.4 本章小结37-39
• 第4章 Tsallis广义熵模型改进及实证研究39-47
• 4.1 Minimum-Torsion Bets39-41
• 4.2 Tsallis广义熵模型及其改进41-42
• 4.3 实证分析42-45
• 4.3.1 样本选取42
• 4.3.2 相关系数对比42-44
• 4.3.3 投资权重对比44-45
• 4.3.4 组合风险对比45
• 4.4 本章小结45-47
• 第5章 总结与展望47-49
• 参考文献49-53
• 附录1 股票部分交易日收盘价数据53-55
• 附录2 Minimum-Torsion Bets的程序55-57
• 致谢57-59
• 在读期间发表的学术论文与取得的其他研究成果59

【参考文献】

中国期刊全文数据库 前4条

1 王奕蛟;冯綮一;柴立和;;广义熵原理驱动下的股市演化[J];天津理工大学学报;2009年05期

2 李华;王宾;王蕊;;基于投资者风险厌恶程度的广义熵投资组合模型研究[J];数学的实践与认识;2013年15期

3 曹静;秦超英;覃森;;均值-CVaR模型下的两基金分离定理[J];系统工程学报;2006年02期

4 葛颖;程希骏;符永健;;熵池理论和风险平均分散化模型在投资组合分配中的应用[J];中国科学技术大学学报;2013年09期

中国博士学位论文全文数据库 前1条

1 温琪;金融市场资产选择与配置策略研究[D];中国科学技术大学;2011年

  本文关键词：基于改进的Tsallis广义熵模型的投资组合分析，由笔耕文化传播整理发布。

本文编号：379769