發(fā)布時(shí)間：2023-05-28 13:01

　　在證券投資中,規(guī)避投資風(fēng)險(xiǎn)與提高投資收益是投資分析的出發(fā)點(diǎn)。馬科維茨理論分別用均值與方差衡量預(yù)期收益和風(fēng)險(xiǎn),他在論文《證券組合選擇》中闡述了證券收益和風(fēng)險(xiǎn)分析的主要原理和方法,建立了均值方差證券組合模型的基本框架。由于基于馬科維茨理論的均值方差模型建立在經(jīng)典統(tǒng)計(jì)學(xué)的基礎(chǔ)上,模型中把未來收益的期望與方差當(dāng)作已知參數(shù)進(jìn)行計(jì)算,造成預(yù)測(cè)結(jié)果與實(shí)際情況偏離太多,模型數(shù)據(jù)誤差過大,模型的解不穩(wěn)定。貝葉斯統(tǒng)計(jì)是基于總體信息,樣本信息和先驗(yàn)信息進(jìn)行的統(tǒng)計(jì)推斷。貝葉斯統(tǒng)計(jì)方法與經(jīng)典統(tǒng)計(jì)方法的關(guān)鍵不同點(diǎn)是是否利用先驗(yàn)信息,貝葉斯統(tǒng)計(jì)方法重視已出現(xiàn)的樣本觀察值,不考慮尚未發(fā)生的樣本觀察值。貝葉斯統(tǒng)計(jì)方法通過收集和加工先驗(yàn)信息,將先驗(yàn)信息數(shù)量化后形成先驗(yàn)分布,并將先驗(yàn)分布用到統(tǒng)計(jì)推斷中,提高統(tǒng)計(jì)預(yù)測(cè)質(zhì)量。本文借鑒馬科維茨均值方差最優(yōu)證券組合模型的思想,將貝葉斯統(tǒng)計(jì)理論引入到投資組合與資本資產(chǎn)定價(jià)模型中,利用先驗(yàn)分布密度函數(shù)的期望和協(xié)方差代替原模型中的樣本均值和方差,這樣可以大大降低模型誤差,使模型預(yù)測(cè)結(jié)果更符合實(shí)際情況。本文內(nèi)容安排如下:第一章主要介紹了本文的研究背景,研究意義,研究?jī)?nèi)容及創(chuàng)新點(diǎn),相關(guān)研究國(guó)...

【文章頁數(shù)】：38 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究的主要內(nèi)容及創(chuàng)新點(diǎn)
        1.3.1 研究的主要內(nèi)容
        1.3.2 創(chuàng)新點(diǎn)
    1.4 準(zhǔn)備知識(shí)
        1.4.1 多元t分布
        1.4.2 Wishart分布
        1.4.3 貝葉斯先驗(yàn)分布與后驗(yàn)分布理論
        1.4.4 貝葉斯統(tǒng)計(jì)預(yù)動(dòng)態(tài)模型
        1.4.5 位置與尺度參數(shù)的無信息先驗(yàn)分布
2 經(jīng)典證券投資模型
    2.1 馬科維茨組合理論
    2.2 馬科維茨最優(yōu)證券組合數(shù)學(xué)模型
    2.3 資本資產(chǎn)定價(jià)模型(CAPM)
    2.4 資本資產(chǎn)定價(jià)模型的特征
    2.5 協(xié)方差矩陣的估計(jì)
3 貝葉斯方法在投資組合與資產(chǎn)定價(jià)模型中的應(yīng)用
    3.1 基于貝葉斯理論的投資組合理論依據(jù)
        3.1.1 基于貝葉斯理論的投資組合模型
        3.1.2 未知參數(shù)(μΩ)的無信息先驗(yàn)分布
        3.1.3 未知參數(shù)的共軛先驗(yàn)分布
        3.1.4 未知參數(shù)的后驗(yàn)分布
    3.2 方差-協(xié)方差矩陣的貝葉斯預(yù)測(cè)
        3.2.1 無信息先驗(yàn)分布的協(xié)方差陣
        3.2.2 共軛先驗(yàn)分布的協(xié)方差陣
    3.3 證券組合投資收益實(shí)證分析
    3.4 貝葉斯方法下的CAPM
        3.4.1 多層貝葉斯方法
        3.4.2 基于貝葉斯方法的CAPM
        3.4.3 確定超參數(shù)的分布與密度函數(shù)
        3.4.4 實(shí)證數(shù)據(jù)分析與檢驗(yàn)
4 總結(jié)與展望
參考文獻(xiàn)
致謝



本文編號(hào)：3824639