本文選題：跟蹤誤差 + 多階段　； 參考：《華南理工大學(xué)》2016年碩士論文

【摘要】：Markowitz(1952)在《The Journal of Finance》上發(fā)表了“Portfolio selection”一文,第一次從數(shù)理經(jīng)濟(jì)學(xué)角度解釋了如何通過分散投資降低風(fēng)險以及如何利用投資組合的有效邊界選擇最優(yōu)組合,開創(chuàng)了現(xiàn)代金融理論和投資分析理論的先河,繼而奠定了現(xiàn)代投資理論的基石。作為均值-方差模型的一種改進(jìn),跟蹤誤差模型以相對收益和相對風(fēng)險的形式,對投資管理者的業(yè)績進(jìn)行了更為科學(xué)的評價。但是從投資組合管理風(fēng)險控制的角度來看,單純的控制跟蹤誤差而追尋高的期望收益容易導(dǎo)致投資管理者的冒險投資行為,因此需要對投資組合的總風(fēng)險進(jìn)行控制。經(jīng)典投資組合優(yōu)化模型僅考慮了單階段投資組合優(yōu)化問題,而機(jī)構(gòu)投資者在真實(shí)的金融市場中的投資往往是長期的,因此一個投資管理者必須不斷根據(jù)市場環(huán)境適時地調(diào)整投資組合的頭寸,這就需要對動態(tài)投資組合優(yōu)化問題進(jìn)行研究。本文將單階段的跟蹤誤差投資組合模型拓展到多階段并創(chuàng)建了如下三種多階段跟蹤誤差投資組合模型:1.雖然有學(xué)者從方差約束的角度控制投資組合整體風(fēng)險,但方差關(guān)于均值對稱以及缺乏對資產(chǎn)收益損失的刻畫限制了其應(yīng)用。因此我們采用平均絕對偏差作為多階段跟蹤誤差投資組合模型的總風(fēng)險約束,建立了基于平均絕對偏差總風(fēng)險約束的多階段跟蹤誤差投資組合模型。2.傳統(tǒng)的多階段均值方差模型為了控制風(fēng)險,同時舍棄了高收益和低收益,這在現(xiàn)實(shí)中往往是不符合投資者真實(shí)心理的。由于方差度量風(fēng)險消除高低收益,犧牲了投資者獲取高回報的可能。因此我們考慮將半方差約束加入跟蹤誤差模型,并拓展到多階段跟蹤誤差投資組合模型中。3.傳統(tǒng)的VaR(Value-at-Risk)是無法考察超過分位點(diǎn)的下方風(fēng)險,不能滿足次可加性和凸性,不符合一致性的風(fēng)險度量。CVaR(Conditional Value-at-Risk)雖然彌補(bǔ)了以上缺陷,但是只適用于隨機(jī)變量分布已知的情況。因此本文調(diào)整多期跟蹤誤差投資組合模型,改進(jìn)傳統(tǒng)目標(biāo)函數(shù),在分布信息不完全的情形下,建立了基于WCVaR總風(fēng)險約束的多階段跟蹤誤差投資組合模型。另外,考慮到在現(xiàn)實(shí)金融市場中存在以下情況:首先,交易費(fèi)用對于投資活動而言是必不可少的,每一次交易投資者都得向交易所和經(jīng)紀(jì)人交納相應(yīng)的費(fèi)用,包括手續(xù)費(fèi)、稅收等。其次,投資者并非所有資產(chǎn)都用于投資風(fēng)險資產(chǎn),可能部分用于無風(fēng)險資產(chǎn)。最后,投資者在實(shí)際投資操作中會對組合中風(fēng)險資產(chǎn)數(shù)量和投資資金比例加以限制。因此本文的多階段跟蹤誤差投資組合模型同時考慮了賣空限制、交易費(fèi)用、無風(fēng)險資產(chǎn)及基數(shù)約束等約束條件。本文利用中國證券市場上證50的成分股數(shù)據(jù)進(jìn)行數(shù)值分析,采用matlab軟件,運(yùn)用SQP算法及遺傳算法進(jìn)行實(shí)證分析,結(jié)果表明本文所建立的投資組合模型在樣本內(nèi)外均能獲取超越基準(zhǔn)組合的收益及績效。
[Abstract]:"portfolio selection", published in the Journal of Finance in 1952, explains for the first time from a mathematical economics perspective how to reduce risk through diversification and how to use the efficient boundaries of a portfolio to select the optimal portfolio. Founded the modern financial theory and investment analysis theory, and then laid the foundation of modern investment theory. As an improvement of the mean-variance model, the tracking error model evaluates the performance of investment managers more scientifically in the form of relative returns and relative risks. But from the point of view of portfolio management risk control, it is easy to control the tracking error and pursue the high expected return, so it is necessary to control the total risk of the portfolio. The classical portfolio optimization model only considers the single-stage portfolio optimization problem, while the institutional investors' investment in the real financial market is often long-term. Therefore, an investment manager must constantly adjust the portfolio position according to the market environment, which needs to study the dynamic portfolio optimization problem. In this paper, the single-stage tracking error portfolio model is extended to multi-stage and the following three kinds of multi-stage tracking error portfolio model: 1 are created. Although some scholars control the overall risk of portfolio from the perspective of variance constraints, its application is limited by the symmetry of the mean value of variance and the lack of characterization of asset income loss. Therefore, we use the average absolute deviation as the total risk constraint of the multi-stage tracking error portfolio model, and establish the multi-stage tracking error portfolio model based on the average absolute deviation total risk constraint. In order to control the risk, the traditional multi-stage mean variance model forgets the high and low returns, which is often not in line with the real psychology of investors in reality. Because the variance measures the risk eliminates the high and low income, has sacrificed the investor to obtain the high return possibility. Therefore, we consider adding the semi-variance constraint to the tracking error model and extend it to the multi-stage tracking error portfolio model. The traditional VaRN Value-at-Risk) is unable to examine the lower risk beyond the locus, can not satisfy the secondary additivity and convexity, and does not conform to the consistency of the risk measure. CVaRU conditional Value-at-Risk) makes up for the above defects, but it is only applicable to the situation where the distribution of random variables is known. Therefore, this paper adjusts the multi-period tracking error portfolio model, improves the traditional objective function, and establishes a multi-stage tracking error portfolio model based on the total risk constraint of WCVaR in the case of incomplete distributed information. In addition, considering the fact that in real financial markets, transaction costs are essential for investment activities, investors in each transaction have to pay a corresponding fee, including fees, to exchanges and brokers, Tax, etc. Second, not all of investors' assets are invested in risky assets, possibly partly in risk-free assets. Finally, investors will limit the number of risky assets and the proportion of investment funds in the actual investment operations. Therefore, the multi-stage tracking error portfolio model takes into account the constraints of short selling, transaction costs, risk-free assets and cardinality constraints at the same time. In this paper, we use the data of Shanghai Stock Exchange 50 to carry out numerical analysis, and use matlab software, sqp algorithm and genetic algorithm to carry out empirical analysis. The results show that the portfolio model established in this paper can obtain the income and performance beyond the benchmark portfolio both within and outside the sample.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F830.48;F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖賢春;胡支軍;;基于不同風(fēng)險度量的投資組合模型實(shí)證分析[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2006年03期

2 徐緒松;馬莉莉;;基于后悔規(guī)避的投資組合模型及其實(shí)證分析[J];技術(shù)經(jīng)濟(jì);2008年01期

3 袁博;王建國;;基于非理想狀況的投資組合模型的建立[J];商場現(xiàn)代化;2008年17期

4 袁博;張賀;張艷紅;;改進(jìn)投資組合模型的一種可行性解法[J];河北北方學(xué)院學(xué)報(自然科學(xué)版);2008年03期

5 袁博;王建國;;基于非理想狀況的投資組合模型的建立[J];商場現(xiàn)代化;2008年23期

6 王慶;張夏;;基于模糊數(shù)的證券投資組合模型[J];福建金融管理干部學(xué)院學(xué)報;2009年05期

7 李學(xué)濤;;一種均衡風(fēng)險條件下的證券投資組合模型[J];統(tǒng)計(jì)與決策;2010年02期

8 錢淑渠;武慧虹;;約束多目標(biāo)投資組合模型及其求解算法研究[J];計(jì)算機(jī)仿真;2011年10期

9 吳錦桂;;融資性投資組合模型之構(gòu)建[J];財(cái)會月刊;2013年04期

10 馬澤平;;我國養(yǎng)老金的投資組合模型研究[J];時代金融;2013年03期

相關(guān)會議論文 前9條

1 陳國華;廖小蓮;;帶流動性的多目標(biāo)投資組合模型[A];第九屆中國青年信息與管理學(xué)者大會論文集[C];2007年

2 陳國華;廖小蓮;;基于區(qū)間規(guī)劃的投資組合模型[A];中國運(yùn)籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

3 孫麗華;張興芳;;基于正弦熵的投資組合模型[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學(xué)者大會論文集[C];2012年

4 黃文華;王仁明;;用遺傳算法求解全系數(shù)模糊證券投資組合模型[A];湖北省機(jī)械工程學(xué)會青年分會2006年年會暨第2屆機(jī)械學(xué)院院長（系主任）會議論文集（下）[C];2006年

5 邵全;吳祈宗;;隨機(jī)規(guī)劃下的投資組合模型研究[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第8屆全國青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會議論文集[C];2005年

6 陳國華;廖小蓮;;模糊投資組合模型[A];第六屆中國不確定系統(tǒng)年會論文集[C];2008年

7 陳國華;廖小蓮;;均值-熵投資組合模型的模糊兩階段解法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

8 李繼;高岳林;;考慮交易成本的M-VaR投資組合模型及算法研究[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學(xué)者大會論文集[C];2012年

9 胡靜;李昌榮;;家庭資產(chǎn)配置定量技術(shù)研究[A];和諧發(fā)展與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第十五屆年會論文集[C];2008年

相關(guān)重要報紙文章 前1條

1 李云龍 編譯;瑞士信貸中國投資組合三月末的調(diào)整[N];證券日報;2006年

相關(guān)博士學(xué)位論文 前9條

1 邸浩;考慮背景風(fēng)險和心理賬戶的不確定投資組合模型及決策研究[D];北京科技大學(xué);2016年

2 鄧雄;考慮背景風(fēng)險與社會責(zé)任的投資組合模型及算法研究[D];華南理工大學(xué);2016年

3 張鵬;可計(jì)算的投資組合模型與優(yōu)化方法研究[D];華中科技大學(xué);2006年

4 單單;止損策略對雙隨機(jī)安全第一投資組合模型的影響研究[D];重慶大學(xué);2014年

5 侯成琪;非正態(tài)分布條件下的投資組合模型研究[D];武漢大學(xué);2005年

6 衛(wèi)淑芝;隨機(jī)市場環(huán)境下動態(tài)最優(yōu)投資組合模型研究[D];上海交通大學(xué);2009年

7 陳煒;投資組合選擇模型及啟發(fā)式算法研究[D];北京交通大學(xué);2007年

8 鄧雪;投資組合優(yōu)化模型研究[D];華南理工大學(xué);2010年

9 陳國華;模糊投資組合優(yōu)化研究[D];湖南大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 尹明強(qiáng);不確定變量下的投資組合模型[D];渤海大學(xué);2015年

2 顧慧;基于預(yù)期行為效用的投資組合模型研究[D];東南大學(xué);2015年

3 李桐;多階段跟蹤誤差投資組合模型及實(shí)證研究[D];華南理工大學(xué);2016年

4 李麗霞;兼顧投資心理的均值—尺度參數(shù)投資組合模型研究[D];武漢理工大學(xué);2007年

5 王金鳳;多階段投資組合模型及其算法的研究[D];南昌航空大學(xué);2010年

6 劉玎玎;損益情緒投資組合模型研究[D];南華大學(xué);2015年

7 劉忠元;基于貝葉斯理論的投資組合模型研究[D];武漢理工大學(xué);2009年

8 吳錦桂;融資性投資組合模型及改進(jìn)遺傳算法研究[D];華南理工大學(xué);2011年

9 陳靜陽;收益率為模糊數(shù)的投資組合模型及實(shí)證分析[D];廣州大學(xué);2011年

10 袁建群;基于影響因素分析的動態(tài)證券投資組合模型[D];廣東工業(yè)大學(xué);2015年

，

本文編號：2004623