發(fā)布時(shí)間：2022-09-17 17:10

　　基于皮爾森相關(guān)性并結(jié)合投資學(xué)的知識(shí)介紹了如何挑選抗風(fēng)險(xiǎn)能力強(qiáng)的股票構(gòu)建股票池.以股票池為研究對(duì)象,運(yùn)用因子分析方法,得到能夠代表股票投資價(jià)值的三個(gè)主成分,并以此構(gòu)建了一套計(jì)算股票綜合得分和判斷股票投資價(jià)值是否被高估的綜合體系,進(jìn)一步篩選股票池中的股票.接著運(yùn)用馬科維茨投資組合理論,利用Python模擬得到了1 000組股票組合的權(quán)重.最后基于理想解法原理得到各個(gè)風(fēng)險(xiǎn)等級(jí)的最優(yōu)股票組合及其權(quán)重分布.這套體系對(duì)不同風(fēng)險(xiǎn)承受能力的投資者進(jìn)行股票投資具有較強(qiáng)的指導(dǎo)意義. 

【文章頁數(shù)】：9 頁

【文章目錄】：
1 投資目標(biāo)
    1.1 資產(chǎn)配置
    1.2 投資目標(biāo)
    1.3 研究過程
2 基于分散風(fēng)險(xiǎn)的選股策略
    2.1 對(duì)百分比變化率的分析
    2.2 滬深300股票相關(guān)性研究
        2.2.1 滬深300股票相關(guān)性計(jì)算
        2.2.2 滬深300股票相關(guān)性分析
    2.3 初步建立股票池
3 投資價(jià)值因子分析模型
    3.1 樣本選擇
    3.2 指標(biāo)選取和有效性檢驗(yàn)
        3.2.1 指標(biāo)選取
        3.2.2 有效性檢驗(yàn)
    3.3 基于因子模型對(duì)所選股票的投資價(jià)值分析
        3.3.1 主成分分析
        3.3.2 因子分析
        3.3.3 所選股票的投資價(jià)值評(píng)價(jià)
4 建立投資組合模型
    4.1 馬科維茨投資組合理論的主要內(nèi)容
    4.2 求得所選股票的權(quán)重
    4.3 風(fēng)險(xiǎn)評(píng)級(jí)
5 基于TOPSIS法求各風(fēng)險(xiǎn)等級(jí)最優(yōu)股票組合
    5.1 TOPSIS法原理
    5.2 求解結(jié)果及其分析
6 總結(jié)及建議
    6.1 研究成果總結(jié)
    6.2 對(duì)投資者的投資建議


【參考文獻(xiàn)】：
期刊論文
[1]基于UPM-LPM的增強(qiáng)指數(shù)投資策略[J]. 黃金波,吳莉莉,尤亦玲.  中國管理科學(xué). 2019(09)
[2]股票市場(chǎng)的慣性效應(yīng)、擇時(shí)策略與交易規(guī)則設(shè)計(jì)[J]. 董竹,周悅.  統(tǒng)計(jì)與決策. 2019(12)
[3]考慮邊信息的在線投資組合指數(shù)梯度策略[J]. 楊興雨,何錦安,張永,張衛(wèi)國.  系統(tǒng)工程理論與實(shí)踐. 2019(01)
[4]貨幣政策對(duì)股票市場(chǎng)影響的實(shí)證研究[J]. 夏羅燚.  安徽科技學(xué)院學(xué)報(bào). 2018(05)
[5]基于馬科維茨模型的股票投資組合實(shí)證研究[J]. 陳駿蘭.  品牌研究. 2018(02)
[6]基于因子分析法對(duì)創(chuàng)業(yè)板上市公司財(cái)務(wù)績效評(píng)價(jià)的研究[J]. 孟婷妤,朱家明.  安徽科技學(xué)院學(xué)報(bào). 2018(02)
[7]基于多因子模型的量化選股分析[J]. 徐景昭.  金融理論探索. 2017(03)
[8]基于TOPSIS的股票價(jià)值評(píng)價(jià)及投資組合選擇[J]. 黃東賓,汪涌,劉琦巖.  投資研究. 2017(02)
[9]基于模糊層次分析法的選股決策[J]. 何霞,劉衛(wèi)鋒.  長春大學(xué)學(xué)報(bào). 2011(06)



本文編號(hào)：3679623