【摘要】：Black-Litterman模型自20世紀(jì)90年代初被提出后,近三十年內(nèi)得到快速發(fā)展,已逐漸被華爾街主流所接受,被廣泛應(yīng)用于國(guó)際資產(chǎn)配置.鑒于模型的主觀觀點(diǎn)和觀點(diǎn)誤差等設(shè)定比較靈活,近年來受到國(guó)內(nèi)學(xué)者和機(jī)構(gòu)投資者的青睞和深入關(guān)注.本文主要基于Elman神經(jīng)網(wǎng)絡(luò)、GARCH模型和因子觀點(diǎn)擴(kuò)展Black-Litterman模型,對(duì)上證50指數(shù)成分股進(jìn)行實(shí)證分析.本文的框架結(jié)構(gòu)如下:第一章主要闡述了本文的研究背景和意義,并對(duì)Black-Litterman模型的國(guó)內(nèi)外相關(guān)研究進(jìn)行文獻(xiàn)綜述,同時(shí)介紹了本學(xué)位論文的研究思路與研究?jī)?nèi)容.第二章簡(jiǎn)要介紹了本文相關(guān)的模型與方法,包括Markowitz模型、Black-Litterman模型及其擴(kuò)展模型--ABL模型、Elman神經(jīng)網(wǎng)絡(luò)和GARCH模型.第三章是實(shí)證分析過程.選取上證50指數(shù)成分股27只股票作為可自由配置的資產(chǎn),利用Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)觀點(diǎn)收益,并和BP神經(jīng)網(wǎng)絡(luò)、灰色BP神經(jīng)網(wǎng)絡(luò)進(jìn)行比較.采用GARCH模型預(yù)測(cè)觀點(diǎn)誤差,構(gòu)建Elman-GARCH-BL模型并進(jìn)行實(shí)證分析.同時(shí),基于該框架引入因子觀點(diǎn)構(gòu)建Elman-GARCH-ABL模型,并對(duì)其進(jìn)行實(shí)證研究.第四章是實(shí)證結(jié)果比較分析.將Elman-GARCH-BL模型的實(shí)證績(jī)效和Elman-BL模型及GARCH-BL模型進(jìn)行了對(duì)比.同時(shí),也將Elman-GARCH-ABL模型實(shí)證結(jié)果和Elman-ABL模型及GARCH-ABL模型進(jìn)行比較分析;最后,將Elman-GARCH-BL模型和Elman-GARCH-ABL模型的實(shí)證績(jī)效對(duì)比分析.實(shí)證結(jié)果表明,本文構(gòu)建的Elman-GARCH-ABL模型具有一定的優(yōu)越性,投資績(jī)效更好.
【圖文】：

圖 3-7A1-A6 周收益率自相關(guān)及偏自相關(guān)圖3.3.4 GARCH 模型的建立與預(yù)測(cè)3.3.4.1 建立均值方程為消除股票收益率序列的相關(guān)性對(duì)符合 ARMA 模型先決條件的股票 A1、A5、A7、A8、A12、A13、A14、A19、A20、A23 建立 ARMA 模型. 同時(shí),將具有相關(guān)性不適合建立ARMA 模型的股票 A3、A4 和總體相關(guān)性不顯著但某一階相關(guān)性非常顯著的股票 A2、A17、A26 建立自回歸方程，其余相關(guān)性不顯著的股票的均值方程設(shè)定為白噪聲[43]. 本文僅以 A1建立 ARMA 模型和 A3 設(shè)定白噪聲為例進(jìn)行說明.首先嘗試 AR 模型和 MA 模型. 通過 A1 周收益率序列的自相關(guān)檢驗(yàn)圖可知，偏自相關(guān)系數(shù)在 K=3 后快速趨于 0，即 3 階截尾，可嘗試擬合 AR(3)；自相關(guān)系數(shù)在 K=2 時(shí)在 2 倍標(biāo)準(zhǔn)差的置信域邊緣，當(dāng) K=3 處顯著不為零，可以考慮 MA(2)和 MA(3).經(jīng)過模型識(shí)別所確定的階數(shù)，可初步建立 AR(3),MA(3),從而考慮 ARMA(3,3). 為避免疏漏,依次建立ARMA(1，1)、ARMA(2，1)、ARMA(1，2)、ARMA(2，2)、ARMA(3，1)、ARMA(1，3)、ARMA(3，2)、ARMA(2，3)、ARMA(3，3). 綜合考慮這些模型的系數(shù)是否通過顯著性檢

收益率序列的相關(guān)性對(duì)符合 ARMA 模型先決條件的股票 A1、A14、A19、A20、A23 建立 ARMA 模型. 同時(shí),將具有相關(guān)性票 A3、A4 和總體相關(guān)性不顯著但某一階相關(guān)性非常顯著的股方程，其余相關(guān)性不顯著的股票的均值方程設(shè)定為白噪聲[43]. 型和 A3 設(shè)定白噪聲為例進(jìn)行說明.R 模型和 MA 模型. 通過 A1 周收益率序列的自相關(guān)檢驗(yàn)圖可快速趨于 0，，即 3 階截尾，可嘗試擬合 AR(3)；自相關(guān)系數(shù)在 K邊緣，當(dāng) K=3 處顯著不為零，可以考慮 MA(2)和 MA(3).經(jīng)過可初步建立 AR(3),MA(3),從而考慮 ARMA(3,3). 為避免疏ARMA(2，1)、ARMA(1，2)、ARMA(2，2)、ARMA(3，1)、AARMA(2，3)、ARMA(3，3). 綜合考慮這些模型的系數(shù)是否通 SC 準(zhǔn)則的值,最終確定 ARMA（3,3）模型為較優(yōu)選擇. 從圖 3,3）模型的系數(shù)顯著性概率均小于 0.01，說明系數(shù)高度顯著比下是較小的；DW 統(tǒng)計(jì)量為 2.065384 是在 2 附近，說明殘差
【學(xué)位授予單位】：廣西師范學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F224;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 朱業(yè)春;曹崇延;;基于熵補(bǔ)償?shù)腂lack-Litterman模型的投資組合[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2015年12期

2 尹力博;韓立巖;;國(guó)際大宗商品資產(chǎn)行業(yè)配置研究[J];系統(tǒng)工程理論與實(shí)踐;2014年03期

3 葛穎;程希駿;符永健;;熵池理論和風(fēng)險(xiǎn)平均分散化模型在投資組合分配中的應(yīng)用[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2013年09期

4 孟勇;;Markowitz模型與Black-Litterman模型比較研究——投資人情緒對(duì)資產(chǎn)組合的影響[J];統(tǒng)計(jì)與信息論壇;2013年08期

5 溫琪;陳敏;梁斌;;基于Black-Litterman框架的資產(chǎn)配置策略研究[J];數(shù)理統(tǒng)計(jì)與管理;2011年04期

6 王敬;王穎;;機(jī)構(gòu)投資者資產(chǎn)配置方法研究[J];價(jià)值工程;2006年02期

相關(guān)碩士學(xué)位論文 前10條

1 王志超;基于B-L模型的量化投資研究[D];廣州大學(xué);2016年

2 張R

本文編號(hào)：2682082