本文關(guān)鍵詞：帶有條件約束的高維組合投資決策研究，由筆耕文化傳播整理發(fā)布。

【摘要】：自美國(guó)學(xué)者M(jìn)arkowitz建立用于組合投資決策的均值-方差分析框架以來(lái),大量文獻(xiàn)對(duì)提出組合投資理論進(jìn)行了豐富、改進(jìn)和發(fā)展,為規(guī)避金融風(fēng)險(xiǎn)做出了突出貢獻(xiàn)。隨著金融理論與實(shí)踐的深入,大規(guī)模金融資產(chǎn)選擇成為擺在人們面前的難題。在標(biāo)準(zhǔn)的組合投資選擇模型中增加約束條件,一方面解決高維組合投資選擇中的計(jì)算困難與誤差累積效應(yīng),提高建模效率；另一方面可以實(shí)現(xiàn)金融資產(chǎn)選擇,降低資產(chǎn)管理成本。CVaR具有較好的數(shù)理性質(zhì),克服VaR的不足之處的同時(shí)兼具VaR的優(yōu)點(diǎn)。本文對(duì)帶有條件約束的高維組合投資決策問(wèn)題開(kāi)展研究,重點(diǎn)討論帶有范數(shù)約束與帶有權(quán)重約束的CVaR風(fēng)險(xiǎn)高維組合投資決策問(wèn)題,將均值-方差分析推廣到均值-CVaR分析框架。為解決傳統(tǒng)組合投資決策中極端組合投資頭寸帶來(lái)金融資產(chǎn)池管理上的困難,在標(biāo)準(zhǔn)的CVaR組合投資決策模型中增加范數(shù)約束條件,建立了帶有范數(shù)約束的CVaR高維組合投資決策方法。該方法由三部分組成：通過(guò)理論證明將CVaR組合投資模型求解過(guò)程轉(zhuǎn)化為一個(gè)分位數(shù)回歸問(wèn)題；使用LASSO分位數(shù)回歸給出帶有范數(shù)約束的CVaR高維組合投資模型求解算法；通過(guò)數(shù)值模擬比較了最優(yōu)金融資產(chǎn)數(shù)目?jī)?yōu)選準(zhǔn)則。最后,使用滬深300指數(shù)進(jìn)行了實(shí)證研究,發(fā)現(xiàn)帶有范數(shù)約束的CVaR高維組合投資決策方法,能夠解決高維組合投資決策問(wèn)題,挑選出較少數(shù)量金融資產(chǎn)進(jìn)行組合投資,就能夠很好地分散尾部風(fēng)險(xiǎn)。一般地,在標(biāo)準(zhǔn)的CVaR組合投資決策模型中增加權(quán)重約束,建立了帶有權(quán)重約束的最小CVaR組合投資決策方法。權(quán)重約束可以包含多種懲罰形式：LASSO、SCAD、自適應(yīng)LASSO和彈性網(wǎng)約束等,每一種權(quán)重約束形式都能夠?qū)?quán)重向量進(jìn)行估計(jì),實(shí)現(xiàn)金融資產(chǎn)的選擇,它們各有其優(yōu)點(diǎn)。同樣,使用分位數(shù)回歸方法給出帶有權(quán)重約束的最小CVaR組合投資決策模型的求解算法。通過(guò)施加權(quán)重約束,本文的方法能夠克服傳統(tǒng)方法中的極端權(quán)重問(wèn)題的產(chǎn)生,解決高維組合投資決策問(wèn)題,分散尾部風(fēng)險(xiǎn)。本文在已有組合投資理論的基礎(chǔ)上,基于正則化分位數(shù)回歸方法,建立了CVaR風(fēng)險(xiǎn)組合投資決策模型,不僅很好地解決了高維組合投資選擇問(wèn)題,而且能夠挑選出少數(shù)金融資產(chǎn)進(jìn)行管理,有效地降低了金融資產(chǎn)管理成本、提高了金融風(fēng)險(xiǎn)分散效果。這些研究工作,豐富了組合投資決策理論與方法,對(duì)于證券投資機(jī)構(gòu)管理者有一定的決策參考價(jià)值。
【關(guān)鍵詞】：高維組合投資 CVaR風(fēng)險(xiǎn) 范數(shù)約束 權(quán)重約束 分位數(shù)回歸
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：F224;F832.51
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 緒論15-22
• 1.1 選題背景和意義15-16
• 1.2 文獻(xiàn)綜述16-19
• 1.2.1 組合投資理論研究綜述16-17
• 1.2.2 均值回歸與組合投資選擇17-18
• 1.2.3 分位數(shù)回歸與組合投資選擇18-19
• 1.3 研究思路和方法19-20
• 1.3.1 研究思路19-20
• 1.3.2 研究方法20
• 1.4 論文主要?jiǎng)?chuàng)新和結(jié)構(gòu)安排20-22
• 1.4.1 主要?jiǎng)?chuàng)新20-21
• 1.4.2 結(jié)構(gòu)安排21-22
• 第二章 帶有范數(shù)約束的方差風(fēng)險(xiǎn)高維組合投資決策22-32
• 2.1 組合投資決策模型建立22-23
• 2.1.1 標(biāo)準(zhǔn)的組合投資決策模型22
• 2.1.2 帶有非負(fù)約束的組合投資決策模型22-23
• 2.1.3 帶有范數(shù)約束的高維組合投資決策模型23
• 2.2 組合投資決策模型求解23-24
• 2.2.1 精確求解23
• 2.2.2 近似求解23-24
• 2.3 數(shù)值模擬24-28
• 2.3.1 數(shù)據(jù)生成過(guò)程24-25
• 2.3.2 數(shù)值模擬結(jié)果25-28
• 2.4 實(shí)證研究28-32
• 2.4.1 數(shù)據(jù)選取28
• 2.4.2 組合投資選取效果評(píng)價(jià)28-30
• 2.4.3 研究結(jié)論30-32
• 第三章 帶有范數(shù)約束的CVaR風(fēng)險(xiǎn)高維組合投資決策32-46
• 3.1 組合投資決策模型建立32-33
• 3.1.1 CVaR風(fēng)險(xiǎn)測(cè)度32
• 3.1.2 標(biāo)準(zhǔn)的CVaR組合投資模型32-33
• 3.1.3 帶有范數(shù)約束的CVaR高維組合投資模型33
• 3.2 組合投資決策模型求解33-36
• 3.2.1 標(biāo)準(zhǔn)的CVaR組合投資模型求解算法33-35
• 3.2.2 帶有范數(shù)約束的分位數(shù)回歸求解算法35-36
• 3.3 數(shù)值模擬36-41
• 3.3.1 n>p的情況36-39
• 3.3.2 n39-41
• 3.4 實(shí)證研究41-46
• 3.4.1 數(shù)據(jù)選取41-42
• 3.4.2 組合投資結(jié)果分析42-45
• 3.4.3 研究結(jié)論45-46
• 第4章 帶有權(quán)重約束的CVaR風(fēng)險(xiǎn)高維組合投資決策46-55
• 4.1 帶有權(quán)重約束的最小CVaR組合投資模型46-48
• 4.1.1 模型建立46
• 4.1.2 懲罰函數(shù)比較46-48
• 4.2 帶有權(quán)重約束的最小CVaR組合投資模型求解48-49
• 4.2.1 模型參數(shù)估計(jì)48-49
• 4.2.2 約束參數(shù)選擇49
• 4.3 實(shí)證研究49-55
• 4.3.1 數(shù)據(jù)選取50
• 4.3.2 組合投資結(jié)果分析50-54
• 4.3.3 研究結(jié)論54-55
• 第5章 總結(jié)與展望55-57
• 5.1 研究總結(jié)55-56
• 5.2 研究展望56-57
• 5.2.1 條件約束形式發(fā)展56
• 5.2.2 正則化分位數(shù)回歸方法應(yīng)用前景56-57
• 參考文獻(xiàn)57-61
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況61

  本文關(guān)鍵詞：帶有條件約束的高維組合投資決策研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：426162