本文關(guān)鍵詞：基于巨額損失波動性的最優(yōu)投資決策研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)及信息技術(shù)的快速發(fā)展,全球金融正逐漸走向一體化,國與國之間的金融往來越來越密切,這給世界經(jīng)濟發(fā)展帶來了新契機,但各國同時也面臨著金融危機帶來的如“蝴蝶效應(yīng)”般的新挑戰(zhàn)。1997年亞洲金融危機及2007年美國次貸危機給我們留下了深刻警示:經(jīng)濟全球化背景下的金融市場更加動蕩不安,一國或一個地區(qū)的金融危機會迅速波及全球,這些頻發(fā)的小概率極端事件對世界經(jīng)濟及全球金融系統(tǒng)造成了巨額損失,因此金融風險防控至關(guān)重要。鑒于此,本文將研究基于巨額損失波動性最小條件下的最優(yōu)投資決策問題。本文第一部分介紹了研究背景及意義,綜述了國內(nèi)外關(guān)于投資組合選擇研究的現(xiàn)狀,提出了研究內(nèi)容、研究思路、重點難點及創(chuàng)新點等。第二章在梳理經(jīng)典投資組合模型發(fā)展脈絡(luò)的基礎(chǔ)上,充分考慮了投資者風險規(guī)避的心理特點及金融實踐中頻發(fā)遭受巨額損失的小概率事件現(xiàn)象,構(gòu)建了基于發(fā)生巨額損失波動性最小的投資組合模型。第三章利用常用的12個基本面分析指標,從滬深兩市28個行業(yè)中篩選了131家上市公司股票作為初選資產(chǎn),利用聚類分析技術(shù)將其分類,最終選擇了11只股票構(gòu)建核心資產(chǎn)組合;之后提出了基于主成分分析的情景生成方法,該方法兼顧了收益分布的非對稱特征及極端事件發(fā)生的可能性,以生成“量少、穩(wěn)健”情景有效地避免了“維數(shù)禍根”。第四章利用選擇的11只風險資產(chǎn)構(gòu)建最優(yōu)投資組合,對前文提出的基于主成分分析的情景生成方法及基于巨額損失波動性最小的投資組合模型進行有效性檢驗及預(yù)測檢驗。數(shù)值模擬結(jié)果表明,該情景生成方法及投資組合模型是有效的;預(yù)測檢驗表明,該投資組合模型比經(jīng)典條件在險價值模型(CVa R)更優(yōu),達到了控制發(fā)生巨額損失波動性的目的。第五章總結(jié)了本文的研究工作,指出了不足之處,并對未來研究做出展望。
【關(guān)鍵詞】：投資組合選擇 巨額損失 情景生成 主成分分析 聚類分析
【學位授予單位】：河北師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51
【目錄】：

• 摘要4-5
• 英文摘要5-9
• 1 引言9-15
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究綜述10-13
• 1.2.1 國外研究綜述10-12
• 1.2.2 國內(nèi)研究綜述12-13
• 1.3 研究內(nèi)容、思路與創(chuàng)新點13-15
• 1.3.1 研究內(nèi)容13-14
• 1.3.2 研究思路14
• 1.3.3 研究重點、難點及創(chuàng)新點14-15
• 2 基于巨額損失波動性的投資組合模型15-23
• 2.1 經(jīng)典投資組合模型回顧15-20
• 2.1.1 均值-方差模型15-16
• 2.1.2 單指數(shù)模型16-17
• 2.1.3 均值-下半方差模型17
• 2.1.4 均值-絕對偏差模型17-18
• 2.1.5 在險價值模型18-19
• 2.1.6 條件在險價值模型19-20
• 2.2 基于巨額損失波動性的投資組合模型20-23
• 3 風險資產(chǎn)選擇及情景生成方法23-29
• 3.1 風險資產(chǎn)選擇23-25
• 3.2 情景生成方法25-29
• 3.2.1 情景生成方法概述25-26
• 3.2.2 基于主成分分析的情景生成方法介紹26-27
• 3.2.3 基于主成分分析的情景生成方法的實現(xiàn)27-29
• 4 基于巨額損失波動性的投資組合模型的實證檢驗29-34
• 4.1 基于巨額損失波動性的投資組合模型的有效性檢驗30-31
• 4.1.1 投資組合風險隨最低預(yù)期收益率增加的變動趨勢分析30
• 4.1.2 投資組合風險隨生成情景數(shù)目增加的收斂趨勢分析30-31
• 4.1.3 投資組合風險在不同置信水平下的變動趨勢分析31
• 4.2 基于巨額損失波動性的投資組合模型的預(yù)測檢驗31-34
• 5 結(jié)論與展望34-35
• 參考文獻35-39
• 附錄39-40
• 后記40-41
• 攻讀學位期間取得的科研成果清單41

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉曉星;;基于CVaR的投資組合優(yōu)化模型研究[J];商業(yè)研究;2006年14期

2 牛昂;VALUE AT RISK: 銀行風險管理的新方法[J];國際金融研究;1997年04期

3 安佰玲;張杰;;基于CVaR的最優(yōu)投資組合模型算法分析[J];大學數(shù)學;2013年02期

4 趙麗娟;安琪;;VaR的改進方法CVaR在投資組合風險中的應(yīng)用[J];商業(yè)經(jīng)濟;2009年17期

5 翟永會;;含有資本結(jié)構(gòu)因子和交易成本的均值-CVaR投資組合策略選擇模型[J];河南師范大學學報(自然科學版);2013年05期

6 王秀云;王冰;;投資組合風險中CVaR方法的應(yīng)用[J];商場現(xiàn)代化;2008年04期

7 方軍武;;基于CVaR的投資風險分析[J];統(tǒng)計與決策;2011年14期

8 楊愛軍;高岳;孟德鋒;;基于CVaR風險度量的投資組合優(yōu)化決策[J];統(tǒng)計與決策;2012年15期

9 陳金龍,張維;CVaR與投資組合優(yōu)化統(tǒng)一模型[J];系統(tǒng)工程理論方法應(yīng)用;2002年01期

10 吉小東;汪壽陽;李振濤;;一種基于聚類分析的多階段情景生成方法[J];系統(tǒng)工程理論與實踐;2006年07期

  本文關(guān)鍵詞：基于巨額損失波動性的最優(yōu)投資決策研究，由筆耕文化傳播整理發(fā)布。

本文編號：497867