發(fā)布時間：2017-05-19 20:22

  本文關鍵詞：基于改進的Tsallis廣義熵模型的投資組合分析，，由筆耕文化傳播整理發(fā)布。

【摘要】：在當今社會,“投資”這個詞已經(jīng)不再如從前那樣顯得神秘莫測,尤其是隨著互聯(lián)網(wǎng)金融的出現(xiàn),投資的觀念通過互聯(lián)網(wǎng)的春風吹進了千家萬戶,有相當一部分人希望將自己的收入通過合理的投資實現(xiàn)資產(chǎn)保值、升值。現(xiàn)代投資組合管理作為現(xiàn)代金融理論的一個核心內(nèi)容,所面臨的重要問題就是如何選擇投資組合中的資產(chǎn)并且對這些資產(chǎn)的組合權重進行配置,進而使組合的投資預期收益最大化或者所承擔的風險最小化�，F(xiàn)代投資組合理論認為,通過進行充分合理的投資組合管理可以分散所有的非系統(tǒng)性風險,因此,合理地進行投資組合管理是投資決策的一項重要內(nèi)容。 在預期收益一定的情況下,所承擔的風險最小化也是投資組合管理所追求的目標之一。因此,選擇何種指標來對風險進行度量也是投資組合管理中一項重要的研究內(nèi)容。1952年,投資組合理論的開創(chuàng)者Markowitz利用方差來度量風險。隨后有人提出半方差、絕對偏差函數(shù)、平均絕對偏差和LPM方法。20世紀90年代,J.P摩根公司使用了VaR指標,與之前的其他指標相比,VaR具有非常良好的統(tǒng)計性質(zhì)。但是VaR指標自身也存在一些缺陷,比如沒有反映尾部信息,無法預測小概率情況的風險,因此Rockafellar和Uryasev(1999)提出了估計平均超額損失的CVaR這個新的風險測度。隨著交叉學科在理論研究中的發(fā)展,國外學者將物理熱力學中用于度量不確定性的熵以及廣義熵作為一種風險度量的測度應用于證券投資分析中。在物理熱力學中,熵是一種不確定性的度量,其值越大表明對所求解問題已知的信息越少,不確定性越大。而在投資組合中“風險”就是不確定性,因此熵可以用于度量組合風險�？紤]到我國目前融資融券業(yè)務已經(jīng)展開,未來的市場制度也將允許投資者進行股票賣空操作。本文采用巴西物理學家Tsallis提出的Tsallis廣義熵作為投資組合中度量風險的測度,并將Minimum-Torsion Bets方法引入Tsallis廣義熵,該方法可以在保持原有市場信息最大化的情況下起到降低資產(chǎn)間相關性的作用,同時Minimum-Torsion Bets方法也可以解除原始Tsallis廣義熵模型權數(shù)必須為正的限制,提高模型的實用性。 實證方面,本文選取滬市八只股票作為研究對象,樣本區(qū)間為2009年1月5日到2013年8月8日,共計1115個交易日。首先將使用Minimum-Torsion Bets方法得出的各元素之間的相關系數(shù)矩陣與樣本相關系數(shù)矩陣進行對比,可以看到資產(chǎn)間相關性大幅降低,且均趨于0。接著我們以樣本收益率均值作為預先確定的期望收益,分別計算出MV模型和本文模型的投資組合權重,并依此權重分別計算相應的組合方差。從權數(shù)和組合方差的計算結(jié)果可以得出,本文模型不僅實現(xiàn)了自由看多或者賣空某項資產(chǎn)的功能,而且較之MV模型,達到了降低以方差為度量的組合風險的效果。
【關鍵詞】：投資組合 Minimum-Torsion Bets Tsallis廣義熵
【學位授予單位】：中國科學技術大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F224;F830.59
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 緒論11-17
• 1.1 引言11-12
• 1.2 相關課題研究現(xiàn)狀12-15
• 1.2.1 投資組合管理研究現(xiàn)狀12-14
• 1.2.2 風險測度指標研究現(xiàn)狀14-15
• 1.3 本文的寫作思路及內(nèi)容框架15-17
• 第2章 投資組合理論17-29
• 2.1 Markowitz“均值-方差”模型17-19
• 2.2 資本資產(chǎn)定價模型19-21
• 2.3 套利定價模型21-23
• 2.4 Black-Scholes期權定價模型23-24
• 2.5 Black-Litterman模型24-26
• 2.6 本章小結(jié)26-29
• 第3章 投資組合風險度量——廣義熵模型29-39
• 3.1 方差及其相關測度29-31
• 3.1.1 方差和標準差29-30
• 3.1.2 下半方差和下半標準差30
• 3.1.3 下偏距30-31
• 3.1.4 絕對離差31
• 3.2 VaR和CVaR風險度量模型31-33
• 3.2.1 VaR32
• 3.2.2 CVaR32-33
• 3.3 廣義熵理論33-37
• 3.3.1 熵的概念及信息熵34-35
• 3.3.2 廣義熵35-37
• 3.4 本章小結(jié)37-39
• 第4章 Tsallis廣義熵模型改進及實證研究39-47
• 4.1 Minimum-Torsion Bets39-41
• 4.2 Tsallis廣義熵模型及其改進41-42
• 4.3 實證分析42-45
• 4.3.1 樣本選取42
• 4.3.2 相關系數(shù)對比42-44
• 4.3.3 投資權重對比44-45
• 4.3.4 組合風險對比45
• 4.4 本章小結(jié)45-47
• 第5章 總結(jié)與展望47-49
• 參考文獻49-53
• 附錄1 股票部分交易日收盤價數(shù)據(jù)53-55
• 附錄2 Minimum-Torsion Bets的程序55-57
• 致謝57-59
• 在讀期間發(fā)表的學術論文與取得的其他研究成果59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 王奕蛟;馮綮一;柴立和;;廣義熵原理驅(qū)動下的股市演化[J];天津理工大學學報;2009年05期

2 李華;王賓;王蕊;;基于投資者風險厭惡程度的廣義熵投資組合模型研究[J];數(shù)學的實踐與認識;2013年15期

3 曹靜;秦超英;覃森;;均值-CVaR模型下的兩基金分離定理[J];系統(tǒng)工程學報;2006年02期

4 葛穎;程希駿;符永健;;熵池理論和風險平均分散化模型在投資組合分配中的應用[J];中國科學技術大學學報;2013年09期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 溫琪;金融市場資產(chǎn)選擇與配置策略研究[D];中國科學技術大學;2011年

  本文關鍵詞：基于改進的Tsallis廣義熵模型的投資組合分析，由筆耕文化傳播整理發(fā)布。

本文編號：379769