投資組合理論是金融學(xué)中的重要研究課題之一,其目的是尋求一個(gè)最優(yōu)投資組合,在給定的收益水平下使投資風(fēng)險(xiǎn)最小化,或者在給定的風(fēng)險(xiǎn)下使投資者的收益最大化。為了突破傳統(tǒng)Markowitz均值-方差模型中風(fēng)險(xiǎn)度量方法及正態(tài)分布假設(shè)的局限,我們必須應(yīng)用新的風(fēng)險(xiǎn)度量方法,同時(shí)尋找較為合適的聯(lián)合分布,這對(duì)于度量投資組合風(fēng)險(xiǎn)及最優(yōu)投資策略的選擇有至關(guān)重要的作用。在風(fēng)險(xiǎn)測(cè)度方面近年來(lái)提出了新的風(fēng)險(xiǎn)度量方法——VaR、CVaR,特別是CVaR,已成為金融風(fēng)險(xiǎn)管理中研究的前沿課題;Copula函數(shù)則為求取聯(lián)合分布函數(shù)提供了一條便捷、準(zhǔn)確的通道,可以解決非正態(tài)假設(shè)下求解投資組合的聯(lián)合分布的問(wèn)題,從而克服傳統(tǒng)正態(tài)分布假定的很多不足之處。本文主要研究?jī)?nèi)容是基于Mean-CVaR的投資組合優(yōu)化問(wèn)題,將Copula函數(shù)、SV模型、CVaR以及蒙特卡洛模擬技術(shù)結(jié)合到一起,解決了投資組合中不同資產(chǎn)之間非正態(tài)、非線性相關(guān)問(wèn)題,為資產(chǎn)投資組合的選擇與風(fēng)險(xiǎn)度量提供了一種全新的解決思路。本文的研究對(duì)象是由上證綜指、深圳成指以及恒生指數(shù)構(gòu)成的投資組合,通過(guò)兩類異方差模型——GARCH模型和SV模型——的綜合比較研究,發(fā)現(xiàn)SV-t模型... 

【文章來(lái)源】：南京財(cái)經(jīng)大學(xué)江蘇省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

上證綜指收益率分布直方圖

圖 3.2 深圳成指收益率分布直方圖0100200300400-4 -2 0 2 4 6 8Series: HZSample 1 1731Observations 1731Mean -1.04e-07Median -0.020859Maximum 9.293409Minimum -5.426184Std. Dev. 1.307405Skewness 0.434125Kurtosis 7.154395Jarque-Bera 1299.177Probability 0.000000圖 3.3 恒生指數(shù)收益率分布直方圖為了驗(yàn)證金融時(shí)間序列數(shù)據(jù)的厚尾性，以下我們采用圖形技術(shù)進(jìn)行分析，數(shù)的 QQ 圖進(jìn)行分析。QQ 圖是用來(lái)檢驗(yàn)樣本分布的一種統(tǒng)計(jì)圖形技術(shù)，它

0100200300400-4 -2 0 2 4 6 8Series: HZSample 1 1731Observations 1731Mean -1.04e-07Median -0.020859Maximum 9.293409Minimum -5.426184Std. Dev. 1.307405Skewness 0.434125Kurtosis 7.154395Jarque-Bera 1299.177Probability 0.000000圖 3.3 恒生指數(shù)收益率分布直方圖為了驗(yàn)證金融時(shí)間序列數(shù)據(jù)的厚尾性，以下我們采用圖形技術(shù)進(jìn)行分析，對(duì)指數(shù)的 QQ 圖進(jìn)行分析。QQ 圖是用來(lái)檢驗(yàn)樣本分布的一種統(tǒng)計(jì)圖形技術(shù)，它把被檢驗(yàn)的數(shù)據(jù)經(jīng)驗(yàn)分位數(shù)對(duì)做指定的分布理論分位數(shù)描繪在圖形上。如果被檢驗(yàn)的數(shù)據(jù)符合所指定的分布，則代表樣本數(shù)據(jù)的點(diǎn)會(huì)落在一條直線上。


本文編號(hào)：3341660