一、β约束下证券投资优化模型的研究(论文文献综述)
刘艳欣[1](2019)在《基金投资组合模型优化及应用研究》文中研究指明1952年,哈利?马克维茨(Harry Markowitz)发表了名为“投资组合选择”的论文,第一次提出了均值-方差投资组合模型,阐述了如何利用投资组合提供更多可选择的投资方法,为现代投资组合理论的发展奠定基础.恰当的投资组合模型能够为投资决策提供理论支持,在某种程度上分散了风险,保证了收益的稳定性.本文主要基于均值-方差模型,结合我国金融市场上不允许卖空且包含无风险资产的实际情况,分别研究允许卖空和不允许卖空下的投资组合模型,并结合上海金融市场的股票数据进行应用分析,研究模型的实际应用意义.首先,在经典的均值-方差模型的基础上,引入无风险资产和投资者风险偏好.研究允许卖空时,含无风险资产的均值-方差模型及机会约束下的均值-方差模型,并求解其有效边界的表达式,此时模型是有显示解的.然后针对我国证券市场不允许卖空的规定,建立不允许卖空时,含无风险资产的均值-方差模型和机会约束下的均值-方差模型,此时模型的有效边界没有显式表达,我们采用旋转算法进行求解有效边界的分布特征.最后,选取上海金融市场的10支股票数据建立允许卖空和不允许卖空环境下的投资组合模型,进行实证分析.特别地,在不允许卖空的投资组合方式下,将选取的样本数据分成训练样本和测试样本,分别用于建立投资组合模型的有效边界和最优投资策略及检验投资组合模型最优策略的有效性.本文的创新之处在于:(1)针对我国不允许卖空的市场规定,同时考虑无风险资产和投资者的风险偏好,建立了不允许卖空时,含无风险资产的均值-方差模型、机会约束下含无风险资产的均值-方差模型,并运用最优规划法和不等式组的旋转算法求解模型.(2)运用实证分析,研究模型有效边界的分布特征,为不同风险偏好水平的投资者提供更具针对性的投资策略.
王宾[2](2012)在《扩展熵优化理论及其在投资组合中的应用》文中研究表明针对日益复杂的国际及国内政治经济形势,金融市场面临着巨大机遇与挑战。证券投资者如何在此环境背景下,将所受风险降到最低,从而获取预期收益,已经成为投资者亟需解决的问题之一,理智投资者通常选择组合方式进行投资,通过分散化选取股票以达到降低风险的目的,因此对于证券投资组合中风险的研究已逐渐成为学术界所面临的重大课题之一。传统证券投资组合理论以美国经济学家Harry Markowitz为依据,通过不断对其补充、完善使该模型更加符合投资者的决策需求。围绕着投资风险的度量问题,熵优化理论已经并逐步被学者关注,该理论能够较好地度量投资风险,从而弥补传统投资组合模型的不足,本文正是在现有熵优化理论基础上,通过对反熵优化问题及广义熵优化问题进行探讨,首先将熵优化理论进行扩展,并依此构建了证券投资组合中的反熵优化模型及广义熵优化模型,同时将投资者对风险的厌恶程度定量化,使得熵优化理论更贴近投资者的投资偏好,更加满足投资者的投资意愿。全文共分六章节进行阐述,具体安排如下:第一章首先介绍了本文的选题背景与选题意义,然后将证券投资组合的理论沿革与该领域较为认可的模型一一列举,最后阐述了本文的创新点;第二章主要对熵优化理论进行较为全面地分析,首先谈及熵优化理论及演变过程,然后论及到几种较重要的熵定律,最后指出熵优化理论在证券投组合领域应用的适用性及可行性;第三章从物理学及数学中的反问题入手,定义了熵优化理论中的反熵问题,通过反熵模型的构建,指出反熵优化模型可以有序化度量风险,并且可以为投资者提供必要的证券行业选择需求;第四章在第三章选取行业的前提下,通过对Csisizer定向散度地分析,提出了考虑投资者风险厌恶程度的广义熵优化模型,并且通过实证分析,对投资者的个股投资提供了更有效地选择依据;第五章对反熵优化模型及广义熵优化模型进行对比分析,通过对二者适用范围的不同解释,为投资者进行下一步投资提供客观参考;第六章对全文进行总结,通过对本文所构建模型中出现的不足提出下一步研究工作的展望,从而完成本篇硕士论文的写作。
邵国华,高海明[3](2011)在《一个证券投资风险计量的优化模型》文中研究表明2008年美国爆发的"次贷"危机,不仅给美国经济带来了极大的破坏,也给全球经济带来了极大的不稳定。由此,国内外许多学者更加关注可能引发"金融海啸"的因素分析。在经济金融化的当今时代,证券投资风险的计量无疑是理论和实务工作者关注的焦点。本文对比了Markowitz的均值方差模型(Mean-Variance Model)、Sharpe资本资产定价模型(CAPM)、Harlow下偏矩风险计量优化模型等,充分考虑收益和风险的计量指标,根据双目标规划求解过程得到一个证券投资风险计量的优化模型。
付云鹏[4](2011)在《基于模糊理论的组合投资模型及其应用研究》文中指出将模糊理论和模糊决策的思想方法引入到组合投资模型的构建之中已经成为近几年来组合投资领域研究的热点问题之一。证券市场是一个极为复杂的系统,投资的收益和风险受到国际国内形势、政治经济政策、上市公司经营业绩和自然灾害等多方面不确定性因素的影响,使得其收益和风险无法精确的描述和刻画。同时,在对投资方案进行判断和评估的过程中不可避免的存在决策者的主观性。要在这样一个复杂的经济系统中做出科学的判断和理性的思考,所需解决的首要问题就是对于不确定性的信息进行处理。而这种信息的不确定性包含两方面的因素:一方面是随机性,即某一事件发生与否以及发生的概率有多大的不确定性;另一方面是模糊性,即由某一事件所处的系统状态自身的复杂性和决策者思维判断的主观性导致的边界不明确的不确定性。因此单纯从随机性的角度去研究组合投资问题显然不够全面,有必要将不确定性的另外一个层面——模糊性也考虑到证券组合投资中去。本文正是以此作为切入点,从探讨证券的模糊收益率的预测方法出发,研究基于模糊理论的证券组合投资模型的构建、求解及其应用。本文的主要成果包括:(1)研究基于模糊理论的组合投资问题,首先需要确定的是风险资产的预期收益率如何用模糊集来描述。本文提出基于马尔可夫链的模糊预期收益率的预测方法。将证券收益率看成一个随机过程,满足马尔可夫条件。将证券收益率的取值范围划分为若干个状态空间,综合考虑证券收益率在每个时段内的波动情况,借助于马尔可夫链将证券的收益率通过模糊集来表示。这种方法从历史数据出发,同时考虑风险资产的收益在每个时段内的波动情况,模型的构建过程中不包含投资者的主观意愿和专家经验,使得对收益率的描述更为客观、合理。应用这种方法获得的证券收益率的预测值为模糊数,反映了证券收益率每个交易时期的波动情况。(2)以新的可能性方差作为基于可能性分布的证券组合投资风险的度量,建立基于可能性均值-方差的组合投资模型,研究几种特殊可能性分布的可能性均值、可能性方差,给出不同可能性分布条件下的组合投资模型的具体形式,研究了模型的求解算法,并用具体的实例说明模型的应用价值。在此基础上,将融资条件、无风险资产和投资比例等限制条件引入的模型的构建之中,从而使模型结构更加完整,应用过程中更加贴近实际情况。(3)应用模糊线性规划模型解决组合投资问题,在可能性均值方差模型中引入弹性约束条件,利用模糊规划方法来求解含有弹性约束的可能性均值方差模型,将模糊约束条件用隶属函数来表示,使得弹性约束得以转化,最终将模型的求解转化为参数规划问题进行处理。并将带有弹性约束的模型与传统的没有弹性约束的模型进行了对比分析。(4)考虑不同投资者对证券的未来收益和风险均持有不同态度,从模糊数的截集出发,给出随机变量为模糊数时的加权可能性均值的定义,不同权重的取值可以反映出不同的投资者对同一种证券收益持有的不同态度。权重参数的取值越大,说明决策者越乐观;反之,权重参数的取值越小,说明决策者越悲观;当权重取0.5时,表示决策者的态度是中性的,加权可能性均值就是每个截集的左端点和右端点的期望的平均数。类似的方法给出随机变量为模糊数时的加权可能性方差和加权可能性协方差的定义,并以此分别作为证券未来风险和各种证券的收益率之间相关程度的度量,建立基于加权可能性均值-方差的组合投资模型,研究其求解方法和实际应用。(5)以模糊空间中的距离为理论依据,给出随机变量的取值为模糊数时方差和协方差的定义,研究了基于模糊空间距离的随机变量方差的性质。探讨了几种特殊的模糊数的基于模糊空间距离的方差和协方差的具体表示形式,并以此作为证券收益率的取值为模糊数时投资组合风险的度量,建立基于模糊空间距离的证券组合投资模型,研究其求解方法和实际应用。(6)对本文提出的四种模型进行全面、深入的对比分析,探讨各种模型的应用范围和模型的局限性,对同一种适用范围内的不同模型的实证结果进行对比;并将本文提出的模型与现存的其他一些组合投资模型进行对比分析,说明不同模型间的区别和存在的联系。
宋博[5](2010)在《Log-最优资产组合与风险管理》文中研究说明投资组合理论是现代金融学中的重要研究课题之一,其目的是寻求一个在给定收益水平下使投资风险最小化,或者在给定的投资风险水平下使投资者的预期效用最大化的最优投资组合。在投资决策方面,投资者在金融市场上一般都是进行连续投资,即在一个周期结束时连本带利全部或部分地再投资。而log-最优资产组合模型是处理这类问题的常用方法之一,不仅因为对数函数在数学上易于处理,它也是一种常用的效用函数,即说明投资者是风险厌恶型,而这个特殊性引来了许多经济学家的关注和研究。本文首先简述了log-最优资产组合模型近年来的研究状况,其次我们研究了在无风险约束,一般风险约束,基于在险价值(VaR)和预期不足(ES)风险约束下的单周期和多周期log-最优资产组合模型。进一步,我们还讨论了基于方差,在险价值(VaR),预期不足(ES)风险约束不同协方差矩阵下的单周期log-最优资产组合模型的实证模拟。此外我们研究了半log-最优资产组合模型,建立了基于在险价值(VaR)和预期不足(ES)风险约束下的单周期和多周期半log-最优资产组合模型,讨论了这些模型最优解的存在性和唯一性,并且给出了实证模拟,并对其结果进行了分析与比较,从而为投资者进行理性投资和风险管理提供了指导方法。
刘洋[6](2010)在《模糊环境下的投资规划研究》文中指出投资组合(Portfolio)决策研究的核心问题是研究如何把有限资金合理的分配到不同的资产中,以达到分散风险并确保投资收益的目的。而证券投资规划从本质上来说,就是在不确定性的投资环境中,以现代投资组合理论为研究基础,通过建立模拟实际投资情况的数学规划模型,在综合平衡投资收益和投资风险等相关因素的条件下,构造出投资决策分析框架,求解出最优投资决策的研究方法。Markowitz的均值-方差模型就是利用概率论的相关理论度量证券市场的不确定性,在投资组合理论的基本框架下,构造出既定投资收益条件下,最小化投资风险或者是既定投资风险条件下,最大化投资收益的证券投资规划模型。然而,证券市场中存在着两种不确定性事件:随机不确定性事件和模糊不确定性事件,这样,证券投资规划可以相应的分为度量随机不确定性事件的证券投资规划模型和度量模糊不确定性事件的证券投资规划模型。建立在概率论基础上的均值-方差模型仅考虑了证券市场的随机不确定性,却忽视了模糊不确定性对证券选择的影响,而证券市场中的不确定性事件更多的表现为模糊不确定性事件,模糊不确定性是证券市场固有的本质特征,构建模糊不确定性环境下的证券投资规划模型更加符合实际的投资情况。本研究立足于我国的实际情况,充分利用定量和定性的知识相结合的办法,利用专家的知识和经验,在深入挖掘证券市场上模糊特性的基础上,综合利用模糊理论和最优化方法来研究证券投资组合的决策问题,为我国的投资实践提供行之有效的决策意见。本研究主要关注以下几个方面:(1)模糊环境下投资规划的构建和应用性研究。在模糊不确定环境下,构建出证券投资选择规划,并给出相应地优化求解方法,研究模糊投资规划在投资决策实践中的决策效果,并且在研究单期模糊投资规划构建和优化求解的基础上,研究多期模糊投资规划在证券选择方面的投资决策效果。(2)模糊环境下投资规划的有效性研究。以模糊AR时间序列预测的投资组合未来的收益状况代替样本期望值来度量投资收益,在模糊决策的理论框架下,将绝对偏差度量的投资风险调整为模糊松弛约束,建立目标函数为梯形模糊数的投资收益,风险约束为模糊松弛约束的模糊投资规划,将模糊环境下所求得的有效性前沿和随机环境下的有效性前沿进行比较分析,研究模糊环境下投资规划的有效性以及模糊投资规划比随机投资规划的优越性。(3)模糊环境下二目标梯形模糊数投资规划研究。以模糊时间序列预测投资收益为基础,建立证券价格为梯形模糊数的预测模型,以预测值和购买价格的比值衡量投资收益,以预测收益低于期望值的半绝对偏差度量投资风险,建立了二目标投资规划模型,在充分利用证券市场开盘价、收盘价、最高价和最低价四个价格,在模拟出证券价格的梯形模糊数的基础上,采用折衷规划的方法进行优化求解,利用我国上证50指数的真实数据进行实证检验分析,并与概率框架下的均值-绝对偏差模型的投资组合效果进行比较。(4)模糊环境下二目标区间数投资规划决策研究。采用S型隶属函数描述投资收益为投资者带来的满意度水平,并利用模糊逻辑关系预测未来的满意度水平,构建了模糊目标为区间收益和区间风险的二目标区间数投资规划,利用我国上证180成分指数的真实数据进行实证检验分析。(5)模糊环境下多期投资组合优化研究。将模糊单期规划拓展为多期投资组合,利用解释变量为三角形模糊数的模糊AR模型预测未来的多期投资收益,三角形模糊数的方差和协方差度量投资风险,构建出多期投资规划模型,利用含遗传交叉变异因子的粒子群智能优化算法优化求解,并利用我国深圳证券市场的真实数据进行实证检验。(6)基于两步模糊机会规划的多期决策研究。考虑采用模糊变量为对称三角形模糊数的模糊AR模型预测投资收益,以模糊收益中值的协方差度量投资风险,并将市场的流动性因素纳入投资决策框架,利用模糊数的清晰化公式,将预测的模糊收益转化为清晰化的投资收益,在单期两步模糊机会规划的基础上,构建出模糊多期规划寻求投资收益和投资风险的Pareto解,在动态规划分析框架下,采用含遗传交叉变异因子的粒子群算法求解,并利用我国上证50指数的真实数据进行实证检验。(7)模糊环境下基于情景树多期层次资产配置研究。利用模糊层次分析法,将金融资产中的基本面因素纳入投资分析框架,采用因素变量之间的绝对偏差和相对偏差,构造出模糊判断矩阵,利用所获得的三角形模糊收益综合评价值和模糊风险收益综合评价值,构建出模糊环境下的单期资产配置模型,在情景树的多期框架下,利用市场状态之间的模糊逻辑关系出现的概率,计算相应的贝叶斯概率,将单期模糊投资规划拓展为多期模糊资产配置模型,利用我国沪深300行业指数的真实数据进行实证检验分析。最后,总结了本文的主要研究内容和结论,并指出了本文研究的局限性和进一步研究的方向。
刘紫亮[7](2009)在《基于CVaR的考虑单个风险的组合证券投资研究》文中提出2008年席卷全球的金融危机让众多的机构和个人投资者损失惨重,世界金融业动荡加剧,一些曾经优质的公司也在劫难逃,特别是一些金融类公司的破产让金融界开始觉醒,进一步深入探讨风险防范和风险管理等问题。此次金融危机对投资者进行了一场深刻的风险教育。本文首先阐述了风险的意义,并对VaR及CVaR的国内外的研究历史、发展历程做了较为细致的回顾。在对组合证券投资理论进行深入分析的基础上,对期望效用理论、组合风险和收益的度量等问题进行了分析讨,着重分析了VaR及CVaR风险度量方法,对二者的优点与缺点进行了比较对比,对CVaR风险度量方法与以前的风险度量方法的优越性有了更清楚的了解,特别是基于CVaR的模型求解问题往往可以转化为线性规划问题,具有良好的操作性。本文从CVaR风险度量方法的理论出发,对模型进行了扩展研究,建立了考虑交易成本、行业(板块)、分散化约束等的组合投资均值—CVaR优化模型,进一步考虑单个资产的剧烈变化对组合投资的影响,建立了考虑单个证券的风险约束的均值—CVaR优化模型,并对模型进行了分析研究,该模型能更好地控制极端风险,防止证券投资组合里某个证券因为破产等原因而引起的巨大损失,更好地达到风险防范的目的。最后选取我国证券市场的实际股票数据,应用遗传算法,对考虑单个证券的风险约束的均值—CVaR组合投资模型进行了实证分析,验证了该模型控制风险的有效性和可操作性,具有一定的理论和应用价值。
王冬[8](2009)在《时变β系数约束下的动态行业资产配置》文中进行了进一步梳理资产配置是证券投资决策中的首要环节,是整个投资决策过程中最关键的要素,但由于市场容量限制和流动性困境导致大规模的基金在个股投资上趋于分散,而行业内的股票往往同质化倾向比较严重,这就使得行业资产配置的作用显得尤其重要。据国外的实证研究表明,共同基金大部分的收益都可以用行业资产配置来解释,也就是说在成熟市场中行业资产配置在基金的投资组合管理中占据了首要的地位,适时而恰当的行业配置比单个股票选择更具降低风险和增加收益的潜力。本文通过建立DCC(1,1)-MVGARCH(1,1)模型刻画了我国沪深A股市场中各行业指数的时变β系数,并在时变β系数约束的条件下实现了行业配置过程,研究表明:各行业时变β系数的均值具有趋一性的特征,但从最大值、最小值以及趋势图中可以发现各行业的时变β系数存在着显着的差异,即同一时刻各行业指数波动受到市场整体波动影响的大小是不同的,这证实了在我国进行行业配置的可行性;通过刻画各行业指数系统风险占总风险的比例趋势可以发现各行业系统风险比例平均均值高达82.99%,从整体上看各行业的系统风险比例过高,但各行业系统风险比例的均值及最小值还是存在着较显着的差异,其中采掘、金融、房地产、文化传播以及木材家具行业的平均系统风险比例要低于其他各行业;通过对行业配置的效果检验可以发现进行行业配置可以获得高于市场平均收益率的收益,即超额收益,但从行业配置分散非系统风险的效果来看,其理论上只比投资单个行业平均最多分散17%左右的非系统风险,各行业过高的系统风险比例一定程度上制约了行业配置组合分散风险的效果。因此可以考虑通过适时推出股指期货交易、建立双向交易制度、规范融资融券制度、改革新股发行定价机制、健全上市公司退出机制、优化上市公司的股权结构以及加强市场监管等措施来规避和降低系统风险,从而增加各行业的非系统风险比例,使得行业配置更加有效。
陈国华[9](2009)在《模糊投资组合优化研究》文中提出证券组合投资理论是现代金融学的重要部分,也是当今科学研究的难点和热点之一。其核心问题是如何在风险环境下对资源进行分配和利用。本文应用模糊数学和最优化原理来研究证券投资组合选择问题,试图为投资决策分析建立一种新的理论分析框架.全文内容共分为八章。在第一章中,我们简要地介绍了本文的学术背景及意义,介绍了部分典型的投资组合选择模型以及模糊投资组合选择的国内外的研究动态.在第二章中,我们研究了模糊均值-方差投资组合模型.第2.1节建立了模糊环境下投资组合选择的均值方差模型,利用隶属函数将模糊规划问题转化为带二次约束的线性优化问题,针对这类问题没有标准解法,引进割平面法把非线性规划问题近似转化为一系列线性规划问题求解.第2.2节我们考虑收益率为模糊数的投资组合选择问题,利用模糊约束简化方差约束,建立了投资组合选择的模糊线性规划模型,然后引进模糊期望把模糊线性规划问题化为普通参数线性规划问题.第2.3节我们考虑了预期收益率为模糊数的投资组合选择问题,沿用第二节的方法,建立了投资组合选择的模糊线性规划模型,然后利用模糊数学知识把模糊线性规划问题转化为多目标线性规划问题,我们利用模糊两阶段法对其求解.第2.4节我们利用模糊约束将均值-方差投资组合模型转化为模糊线性规划模型,用区间数来描述证券的期望收益率和风险损失率,建立了区间数模糊证券投资组合模型,然后利用区间数知识把区间规划问题转化为参数线性规划问题对该模型进行求解,最后给出了一个箅例来阐述方法的有效性.在第三章中,我们探讨了收益率为模糊数的投资组合模型,提出了可能性均值安全第一投资组合模型。进一步,我们建立了带可能性约束的数学规划模型。利用模糊序关系,该模型可以转化为线性规划问题得到解决。在第四章中,我们利用第三章的方法考虑方差因素建立了可能性均值-方差安全第一投资组合模型,利用模糊序及模糊数的可能性均值方差把我们的模型转化为二次规划问题,由于这类问题没有固定的解法,我们利用割平面法对其进行求解.在第五章中,我们研究了模糊均值-绝对偏差投资组合模型。第5.1节我们对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差.以换手率刻画流动性,该模型是一多目标线性优化问题,我们采用两阶段模糊算法对模型进行了求解,箅例给出了该模型的一个实例的最优解。第5.2节我们研究了带模糊流动性的收益率为模糊数的均值-绝对偏差投资组合模型,利用模糊数的均值把我们的模型进行转化求解.在第六章中,我们考虑了模糊均值-β投资组合模型。第6.1节建立了多目标均值-β投资组合模型并利用模糊两阶段方法对模型进行了求解,第6.2节讨论了模糊环境下均值-β投资组合模型,利用隶属函数知识把模糊规划问题转化为参数线性规划问题,根据投资者的主观意愿选定参数可得满意的投资组合,第6.3节讨论了区间模糊数均值-β投资组合模型,引进区间数比较的满意度,利用区间数知识对模型进行了转化求解.在第七章中,我们研究了模糊均值-熵投资组合模型。第7.1节我们建立了基于信息熵的证券投资组合模型,该模型是一多目标线性优化问题,我们采用两阶段模糊算法对模型进行了求解,箅例给出了该模型的一个实例的最优解.第7.2节讨论了区间模糊均值-熵投资组合模型,利用区间数满意度把区间数不等式转化为清晰数不等式,得到模型的参数规划,根据投资者的偏好决定参数值可对模型进行求解.在第八章中,单位风险收益最大化的组合投资决策模型的分式规划解法我们将预期收益率表示为模糊数,给出一个折衷考虑风险最小化和收益最大化的单目标决策方法。首先,以单位风险收益最大化为决策目标建立了投资组合的分式规划模型,考虑到分式规划问题的求解难度,我们利用遗传算法研究模型求解并给出算法步骤与数值箅例.
姚亚伟[10](2009)在《流动性与股票组合投资管理研究》文中研究表明在传统的均值-方差模型中,“市场流动性是充分的”假设使投资者忽略了流动性在组合投资管理中的重要性。流动性作为金融资产的三大属性之一,体现并作用于组合投资管理整个过程中。本论文尝试性的将流动性因素引入到传统均值-方差模型下最优组合的构建过程中,从一种新的视角将组合选择的思维从二维空间拓展至三维空间,从而丰富了现代资产组合选择理论。论文的研究围绕着流动性和组合投资展开,从探讨流动性的股票特征到流动性指导组合投资构建,从理论角度和实证角度对流动性在组合投资管理中的作用进行了研究。论文的主要内容及结论如下:首先,对流动性股票特征的认识(面向组合选择的对象)。在对流动性内涵认识的基础上,提出股票流动性的本质是股票与现金之间的相互转化能力,满足的是投资者正常的交易需求。论文探讨了:(1)股票的流动性、公司规模及成交金额之间的变化关系,结合中国证券数据进行实证,研究结果表明:公司规模一定,可实现的成交金额越多,流动性越好;成交金额一定,公司规模越大,流动性越好;(2)股票价格与股票流动性之间的关系,实证研究结果表明:股票的价格与股票流动性之间具有显着的正相关关系,即流动性越好,股票价格越高;(3)流动性水平的稳定性,实证研究表明,市场处于稳定上涨或下降状态时,市场的流动性相对稳定,当市场处于波动时,流动性水平波动较大且相对不稳定,但从中长期看,流动性水平在一定时期内是具有稳定性的,并利用均值-回归模型检验了流动性水平的稳定性。其次,如何将流动性引入到组合投资管理中(面向组合的构建)。主要讨论了:(1)组合的规模问题。基于流动性的内涵,组合投资越分散,组合的流动性越好,但投资者对组合中股票的流动性并非同时或持续有需求,组合规模没有必要过度分散化。进而从分散风险的角度,利用连续T检验的方法,科学的测算了组合中合理的股票数目;(2)基于流动性的内涵,从对流动性在组合投资中的事前和事后认识,讨论了流动性引入到均值-方差模型的方法。具体包括:①理论角度。考虑单期投资下,流动性对组合投资的最终作用结果就组合变现时的执行成本,从期末期望财富效用最大化的角度,讨论了流动性和流动性风险与期末期望财富效用之间的函数变化关系,并探讨了流动性引入对期末财富效用的影响,研究结果表明:考虑流动性并不必然降低期末期望财富的效用;②实证角度。将流动性作为对收益的影响因子间接引入和作为独立的维度直接引入到传统的均值-方差模型中。流动性间接引入模型下,通过构建流动性影响因子,对股票的收益率进行调整,并依据调整后的收益率在传统的均值-方差框架下进行组合最优化的求解;而流动性直接引入模型下,主要思想是考虑到组合管理过程中投资再平衡的需要,从流动性过滤、流动性约束、流动性偏好下的效用最大化将流动性直接引入到均值-方差模型,论文给出了这三个模型取得有效边界时的有效解集集合,验证了流动性、收益和风险实现均衡时的有效边界是一个曲面。③从实务投资的角度,提出了引入投资政策约束、行业配置比例约束下修正的流动性-均值-方差模型。第三,流动性作用下的组合投资管理(面向组合的管理过程及结果)。主要基于流动性引入均值-方差的实证模型,分别从直接引入和间接引入下组合投资的有效边界进行实证研究,主要内容包括:①在直接引入模型下,通过选取A股市场市值最大的10只股票作为研究对象,通过比较考虑流动性的价格冲击影响效应和未考虑流动性价格冲击影响效应的组合有效边界,实证结果表明:收益经流动性调整后,组合的有效边界向左上推移,这意味着:一方面投资者可以在承受更低的风险下实现一定的收益;另一方面,考虑流动性对收益的影响,在同一风险水平下,投资者可以获得比不考虑流动性影响时更高的收益。②在直接引入模型下,通过选取由上证50指数成份股的股票构建的组合(高流动性组合)和从未入选上证50指数成份股的股票构建的组合(低流动性组合)及两者共同构建的组合(中流动性组合),用流动性过滤、流动性约束和流动性偏好下的目标函数效用最大化三种流动性-均值-方差模型分别考察了流动性在组合投资选择时的作用。主要研究结论包括:①在流动性过滤下的均值-方差模型下,研究结果表明:在组合投资过程中,同时配置高流动性和低流动性的股票,可以实现在风险一定条件下实现比仅投资高流动性和仅投资低流动性的股票组合更高的收益,这体现了流动性对组合投资资产配置策略的影响作用;②在流动性约束下的均值-方差模型下,研究结果表明:在流动性水平约束一定的条件下取得最优组合时,三个组合的收益均随着风险的增加而增加,但组合的夏普比率随风险的增加呈倒“V”型;在风险水平一定下取得最优组合时,组合的收益和夏普比率随着流动性水平约束的增加均呈倒“V”型,但变化很不规则:尽管高流动性组合和中流动性组合在达到最优组合时组合的收益均随着流动性约束的提高而下降,且风险越高,组合的收益越高,但在低流动性组合中,在面临不同的流动性水平约束时,并不能在遭受较高风险时获得较高的回报。同时,风险水平一定时,组合夏普比率的变化也表明,在不同的流动性约束水平下,风险较高的组合不一定能实现较高的夏普比率。而中流动性组合则弥补了高流动性组合和低流动性组合在收益随风险或流动性变化的不规则问题。③在流动性偏好下的期望效用最大化模型下,研究结果表明:高流动性组合与低流动性组合尽管在夏普比率等指标变化上具有一致性,但在风险厌恶、流动性偏好下不同组合的收益、风险及非流动性之间仍存在较大差异。这可能在于高流动性股票和低流动性股票在流动性水平和风险上存在着系统性的明显差异。第四,流动性、行业效应与组合投资(面向组合的应用)。从行业收益之间的相关性和差异性、流动性之间的相关性和差异性探讨了行业差异的表现特征,研究结果表明:我国股票市场存在着明显的行业效应;对国内开放式基金的行业配置集中效应及基金行业配置与市场上行业构成比较进行了统计分析,统计结果表明:我国基金投资的行业集中度在50%左右,基金的行业偏好之间存在着差异,而且基金的行业配置与不同行业占有市场的比例相比除采掘业、金融保险业、传播文化业和综合业超配外,其它行业均处于低配;(3)考虑流动性、行业效应与组合投资的关系,比较了在有无投资政策约束时行业配置对组合投资的影响,研究结果表明:不考虑投资政策约束将会导致行业集中持有风险;利用国内证券市场的A基金的实际持有股票组合情况,对在流动性约束、投资政策约束及行业配置约束下组合最优解进行了实证研究,研究结果表明:组合的风险和收益随着非流动性水平的提高先降后升,但组合的单位风险收益会随着非流动性水平的提高先升后降,这意味着当组合的非流动性水平达到一定水平时,组合的风险将加速恶化,从而导致单位风险的收益水平下降。
二、β约束下证券投资优化模型的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、β约束下证券投资优化模型的研究(论文提纲范文)
(1)基金投资组合模型优化及应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究现状 |
1.3 研究思路 |
1.4 本文创新 |
第二章 投资组合理论知识 |
2.1 概念介绍 |
2.1.1 投资组合相关概念 |
2.1.2 基金投资相关概念 |
2.2 投资组合模型 |
2.2.1 基本知识 |
2.2.2 模型介绍 |
2.3 局限性 |
第三章 均值-方差投资组合模型优化 |
3.1 允许卖空时的投资组合模型 |
3.1.1 含无风险资产的均值-方差模型 |
3.1.2 机会约束下含无风险资产的均值-方差模型 |
3.2 不允许卖空时的投资组合模型 |
3.2.1 含无风险资产的均值-方差模型 |
3.2.2 机会约束下含无风险资产的均值-方差模型 |
第四章 基金投资组合模型应用研究 |
4.1 数据的选取和处理 |
4.2 允许卖空时投资组合模型应用分析 |
4.2.1 均值-方差模型 |
4.2.2 含无风险资产的均值-方差模型 |
4.2.3 机会约束下含无风险资产的均值-方差模型 |
4.2.4 模型比较分析 |
4.3 不允许卖空时投资组合模型应用分析 |
4.3.1 均值-方差模型 |
4.3.2 含无风险资产的均值-方差模型 |
4.3.3 机会约束下含无风险资产的均值-方差模型 |
4.3.4 模型比较分析 |
4.4 卖空机制的影响分析 |
4.5 模型有效性分析 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
(2)扩展熵优化理论及其在投资组合中的应用(论文提纲范文)
中文摘要 |
ABSTRACT |
1. 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 投资组合的理论沿革 |
1.2.1 早期投资组合理论综述 |
1.2.2 现代投资组合理论综述 |
1.2.3 现代投资组合理论新发展 |
1.3 投资组合的模型沿革 |
1.3.1 均值—方差模型(M-V) |
1.3.2 资本资产定价模型(CAPM) |
1.3.3 套利定价模型(APT) |
1.3.4 行为投资组合理论模型(BAPM) |
1.3.5 在险价值理论模型(VaR) |
1.4 主要内容及创新点 |
1.4.1 本文研究内容 |
1.4.2 本文创新点 |
2. 熵优化理论 |
2.1 熵优化理论概述 |
2.1.1 熵概念的提出 |
2.1.2 熵理论的演变 |
2.1.3 熵理论类型 |
2.2 熵定律及应用 |
2.2.1 熵增加定理 |
2.2.2 耗散结构 |
2.2.3 负熵 |
2.2.4 复熵 |
2.3 熵理论在证券投资组合中的应用研究 |
2.3.1 熵理论在投资组合中的应用 |
2.3.2 广义熵与反熵优化理论在投资组合应用中的可行性 |
3. 反熵优化理论及其在投资组合中的应用 |
3.1 引言 |
3.2 反问题 |
3.3 反熵优化模型 |
3.4 反熵投资组合优化模型 |
3.4.1 反熵投资组合模型的构建 |
3.4.2 新模型数据选取 |
3.4.3 实证研究 |
3.5 反熵投资组合优化模型的评价 |
4. 广义熵优化理论及其在投资组合中的应用 |
4.1 引言 |
4.2 定向散度的度量 |
4.2.1 Csiszer 定向散度度量族 |
4.2.2 特殊情况下的 Csiszer 模型 |
4.3 广义熵优化模型 |
4.3.1 广义熵度量概述 |
4.3.2 广义熵优化模型的构建 |
4.4 考虑投资者风险厌恶程度的广义熵投资组合优化模型 |
4.4.1 广义熵投资组合模型的构建 |
4.4.2 新模型数据选取 |
4.4.3 实证研究 |
4.5 广义熵投资组合优化模型的评价 |
5. 两类模型的比较分析 |
5.1 两类模型的共同点 |
5.2 两类模型的不同点 |
5.3 两类模型的适用范围 |
6.总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
作者简介 |
(3)一个证券投资风险计量的优化模型(论文提纲范文)
一、引言 |
二、主要证券投资风险计量模型的比较分析 |
(一) Markowitz的均值—方差 (Mean-Variance Model) 模型 |
1. Markowitz均值—方差模型的基本假设 |
2. Markowitz均值—方差模型:资产组合的均值—方差模型: |
3. 均值—方差模型的局限性 |
(二) 资本资产定价模型 (CAPM) |
(三) 证券组合风险的下偏矩计量模型 |
(四) 上述三大模型的比较 |
(五) 其他证券投资风险计量模型 |
三、模型的优化 |
(一) 证券投资组合期望收益率的度量 |
1. 考虑购买无风险证券的预期证券组合收益 |
2. 考虑证券交易的费用 |
3. 证券组合调整后的期望收益 |
(二) 证券投资组合风险的度量 |
1. 损失的概率 |
2. 损失程度的度量 (损失的均值) |
3. 损失均方差 (易变性) 的度量 |
4. 盈亏波动频率的考虑 |
5. 风险度量的综合分析 |
(三) 模型的建立 |
1. 双目标规划模型 |
2. 单目标规划模型 |
(4)基于模糊理论的组合投资模型及其应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 研究内容和框架结构 |
1.3 研究方法 |
1.4 创新性与不足 |
1.4.1 创新性 |
1.4.2 不足之处 |
第2章 国内外研究文献综述 |
2.1 国外研究文献综述 |
2.1.1 组合投资模型研究文献综述 |
2.1.2 模糊组合投资模型研究文献综述 |
2.2 国内研究文献综述 |
第3章 模糊收益率的预测方法 |
3.1 马尔可夫过程 |
3.1.1 马尔可夫链和转移矩阵 |
3.1.2 稳态概率矩阵 |
3.2 基于马尔可夫链预测模糊收益率的方法 |
3.3 实证分析 |
第4章 基于可能性均值-方差(PMV)的组合投资模型 |
4.1 模糊数的可能性均值、方差和协方差 |
4.1.1 模糊数的可能性均值 |
4.1.2 模糊数的可能性方差与可能性协方差 |
4.2 基于PMV的组合投资模型 |
4.2.1 模型的构建 |
4.2.2 模型的求解 |
4.2.3 种特殊可能性分布的组合投资模型 |
4.2.4 模型的应用 |
4.3 存在融资条件下的基于PMV的组合投资模型 |
4.3.1 模型的构建 |
4.3.2 模型的应用 |
4.4 存在无风险资产和投资比例限制的基于PMV的组合投资模型 |
4.4.1 模型的构建 |
4.4.2 模型的应用 |
4.4.3 基于PMV模型与上、下可能性均值-方差模型的比较 |
第5章 基于模糊线性规划(FLP)的组合投资模型 |
5.1 模糊线性规划模型 |
5.2 模糊线性规划模型的求解 |
5.3 基于FLP的组合投资模型 |
5.3.1 可能性均值-方差模型 |
5.3.2 基于FLP的组合投资模型的构建 |
5.3.3 基于FLP的组合投资模型的应用 |
5.4 基于FLP的模型与不存在弹性约束的模型比较分析 |
第6章 基于加权可能性均值-方差(WPMV)的组合投资模型 |
6.1 加权可能性均值与方差 |
6.1.1 加权可能性均值的定义及性质 |
6.1.2 加权可能性方差与协方差的定义及性质 |
6.1.3 三角模糊变量的加权可能性均值、方差和协方差 |
6.2 基于WPMV的组合投资模型 |
6.2.1 模型的构建 |
6.2.2 模型的求解 |
6.2.3 模型的应用 |
6.2.4 基于WPMV的模型与MV模型的比较分析 |
6.3 存在无风险资产的WPMV组合投资模型 |
6.4 存在投资比例限制的WPMV组合投资模型 |
第7章 基于模糊空间距离(FSD)的组合投资模型 |
7.1 基于FSD的均值与方差 |
7.1.1 基于FSD的均值 |
7.1.2 随机模糊变量基于FSD的方差和协方差 |
7.2 模糊数的序关系 |
7.2.1 模糊数的排序准则 |
7.2.2 几种特殊模糊数的序关系 |
7.3 基于FSD的组合投资模型 |
7.3.1 模型的构建 |
7.3.2 模型的求解 |
7.3.3 模型的应用 |
7.4 基于FSD的模型与MV模型比较分析 |
7.4.1 基于FSD的模型与MV模型的对比 |
7.4.2 基于FSD的模型与MV模型的关系 |
第8章 模型的比较分析 |
8.1 基于可能性分布的模型比较分析 |
8.1.1 理论分析 |
8.1.2 实证分析 |
8.2 收益率为模糊变量的模型比较分析 |
8.2.1 理论分析 |
8.2.2 实证分析 |
8.3 模型的适用性分析 |
第9章 结论与展望 |
9.1 结论 |
9.2 需进一步研究的问题 |
附录:第三章中实证分析的数据表 |
参考文献 |
致谢 |
攻读博士学位期间发表论文以及参加科研情况 |
(5)Log-最优资产组合与风险管理(论文提纲范文)
内容提要 |
第一章 绪论 |
1 论文背景及研究意义 |
2 论文的内容及结构 |
3 论文的主要创新点 |
第二章 投资组合文献综述 |
1 最优投资组合文献综述 |
2 金融风险度量文献综述 |
3 log-最优资产组合文献综述 |
第三章 log-最优资产组合模型 |
1 风险及效用函数 |
2 无风险约束下的log-最优资产组合模型 |
3 风险约束下的log-最优资产组合模型 |
3.1 方差风险约束下的log-最优资产组合模型 |
3.2 VaR风险度量下的log-最优资产组合模型 |
3.3 ES风险度量下的log-最优资产组合模型 |
4 多周期log-最优资产组合模型 |
4.1 基于多周期VaR约束下的log-最优资产组合模型 |
4.2 基于多周期ES约束下的log-最优资产组合模型 |
第四章 log-最优资产组合算法及实证研究 |
1 log-最优资产组合算法 |
2 数据来源与选择 |
3 数据描述与检验 |
3.1 沪深300行业指数走势图 |
3.2 沪深300行业指数对数收益率走势图 |
3.3 单位根检验 |
3.4 Granger因果关系检验 |
4 log-最优资产组合的实证研究 |
4.1 方差与VaR风险约束下的单周期log-最优资产组合的实证研究 |
4.2 ES风险约束下的单周期log-最优资产组合的实证研究 |
4.3 ES风险约束下的多周期log-最优资产组合的实证研究 |
第五章 不同协方差矩阵下log-最优资产组合模型 |
1 协方差矩阵的估计方法 |
2 不同协方差矩阵下的log-最优资产组合模型与实证研究. |
2.1 方差风险约束下不同协方差矩阵的log-最优资产组合实证研究 |
2.2 VaR风险约束下不同协方差矩阵的log-最优资产组合实证研究 |
2.3 ES风险约束下不同协方差矩阵的log-最优资产组合实证研究 |
3 均值方差准则下的最优资产组合模型 |
第六章 半log-最优资产组合模型 |
1 风险约束下的单周期半log-最优资产组合模型 |
1.1 VaR约束下的半log-最优资产组合模型 |
1.2 ES约束下的半log-最优资产组合模型 |
2 多周期的半log-最优资产组合模型 |
2.1 基于多周期VaR约束下的半log-最优资产组合模型 |
2.2 基于多周期ES约束下的半log-最优资产组合模型 |
3 半log-最优资产组合的实证研究 |
3.1 VaR风险约束下单周期半log-最优资产组合的实证研究 |
3.2 ES风险约束下多周期半log-最优资产组合的实证研究 |
结论 |
参考文献 |
附录:遗传算法源代码 |
攻博期间发表的学术论文及其他成果 |
致谢 |
中文摘要 |
Abstract |
(6)模糊环境下的投资规划研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状与评述 |
1.2.1 模糊证券投资规划模型 |
1.2.2 收益预测和模糊时间序列 |
1.2.3 相关研究的评述 |
1.3 研究内容、方法和创新点 |
1.3.1 研究的内容 |
1.3.2 研究的方法 |
1.3.3 研究的创新点 |
1.4 论文的逻辑结构 |
第2章 基础知识 |
2.1 模糊理论 |
2.1.1 模糊集 |
2.1.2 分解定理 |
2.1.3 扩张定理 |
2.1.4 模糊数 |
2.1.5 模糊逻辑 |
2.2 数学规划 |
2.2.1 线性规划 |
2.2.2 非线性规划 |
2.2.3 多目标规划 |
2.2.4 动态规划 |
2.3 本章小结 |
第3章 风险容差约束的模糊投资规划研究 |
3.1 研究背景 |
3.2 梯形模糊数投资规划 |
3.2.1 投资收益率的预测 |
3.2.2 模糊投资规划的风险 |
3.2.3 模糊规划的约束条件 |
3.2.4 模糊投资组合模型 |
3.2.5 模糊投资规划的求解 |
3.3 模糊规划的实证检验分析 |
3.3.1 梯形模糊数的构造 |
3.3.2 模糊投资规划的实证求解 |
3.3.3 模糊投资规划的敏感度分析 |
3.3.4 模糊投资规划的容差前沿 |
3.3.5 模糊环境与随机环境的有效性前沿 |
3.3.6 实证分析结论 |
3.4 本章小结 |
第4章 二目标梯形模糊数投资规划研究 |
4.1 研究背景 |
4.2 二目标梯形模糊数投资规划 |
4.2.1 模糊规划的投资收益和投资风险 |
4.2.3 模糊规划的约束条件 |
4.2.4 二目标模糊投资组合规划 |
4.3 模糊规划的折衷求解 |
4.3.1 模糊规划的理想解 |
4.3.2 模糊差异 |
4.3.3 折衷规划求解 |
4.4 模糊规划的实证检验分析 |
4.4.1 模糊数的构造 |
4.4.2 上涨行情的实证检验 |
4.4.3 下跌行情中的实证检验 |
4.4.4 实证分析结论 |
4.5 本章小结 |
第5章 二目标区间数投资规划研究 |
5.1 研究背景 |
5.2 二目标区间数投资规划 |
5.2.1 投资收益的满意度目标 |
5.2.2 投资风险的满意度目标 |
5.2.3 二目标区间数投资规划 |
5.3 二目标区间数投资规划的折衷求解 |
5.3.1 投资规划的最优解 |
5.3.2 折衷规范的求解 |
5.4 区间规划的实证检验分析 |
5.4.1 滑动隶属参数α |
5.4.2 滑动优化参数θ |
5.4.3 滑动投资比例上限k |
5.4.4 实证分析结论 |
5.5 本章小结 |
第6章 模糊多期投资优化研究 |
6.1 研究背景 |
6.2 模糊多期投资规划 |
6.2.1 模糊AR时间序列 |
6.2.2 多期投资规划的收益 |
6.2.3 多期投资规划的风险 |
6.2.4 多期模糊投资规划 |
6.3 含遗传交叉因子的粒子群算法 |
6.4 多期规划的实证检验分析 |
6.4.1 多期优化结果 |
6.4.2 实证分析结论 |
6.5 本章小结 |
第7章 基于两步模糊机会规划的多期决策 |
7.1 研究背景 |
7.2 两步模糊机会规划的多期决策 |
7.2.1 对称三角形模糊数的AR模型 |
7.2.2 多期投资规划的收益 |
7.2.3 多期投资规划的风险 |
7.2.4 多期投资规划的约束条件 |
7.2.5 单期两步模糊机会规划 |
7.2.6 多期模糊投资规划 |
7.3 多期规划的实证检验分析 |
7.3.1 含遗传交叉因子的粒子群算法 |
7.3.2 多期模型的实证检验样本 |
7.3.3 对称三角形模糊数的构造 |
7.3.4 模糊系数的估计 |
7.3.5 模糊投资规划的清晰化 |
7.3.6 模糊投资规划的敏感度分析 |
7.3.7 最优投资决策 |
7.3.8 实证分析结论 |
7.4 本章小结 |
第8章 多期模糊层次资产配置决策研究 |
8.1 研究背景 |
8.2 模糊层次分析法 |
8.3 模糊层次的构建 |
8.3.1 数据选择和层次指标 |
8.3.2 模糊判断矩阵 |
8.4 模糊单期层次资产配置规划 |
8.5 模糊多期层次资产配置规划 |
8.5.1 模糊贝叶斯概率 |
8.5.2 多期情景规划 |
8.5.3 实证分析结论 |
8.6 本章小结 |
第9章 结论和展望 |
9.1 研究结论 |
9.2 研究展望 |
参考文献 |
致谢 |
作者在攻读博士学位期间发表的论文 |
作者在攻读博士学位期间科研及获奖情况 |
作者简介 |
(7)基于CVaR的考虑单个风险的组合证券投资研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景—金融危机下的风险研究 |
1.2 投资组合的研究背景 |
1.2.1 投资组合的意义 |
1.2.2 投资组合的发展历史和概况 |
1.3 VaR 和CVaR 的研究背景 |
1.4 本文的主要工作 |
第二章 证券投资组合优化的理论基础 |
2.1 不确定条件下的决策理论 |
2.1.1 期望效用理论 |
2.1.2 随机占优理论 |
2.2 证券投资收益和风险的度量 |
2.2.1 投资组合收益的度量 |
2.2.2 投资组合风险的度量 |
第三章 VaR 及CVaR 的定义与性质 |
3.1 VaR 与CVaR 的介绍及定义 |
3.1.1 VaR 的定义 |
3.1.2 CVaR 的定义 |
3.2 VaR 与CVaR 的性质 |
3.2.1 VaR 与CVaR 具有下的性质 |
3.2.2 VaR 与CVaR 的投资组合的最优化模型 |
3.2.3 VaR 与CVaR 的优缺点 |
第四章 基于CVaR 的模型研究 |
4.1 基于CVaR 的投资组合优化模型的基本性质 |
4.2 CVaR 模型的扩展研究 |
4.2.1 离散化与线性化 |
4.2.2 模型的扩展 |
第五章 基于CVaR 模型的算法及实证研究 |
5.1 CVaR 的算法简介 |
5.1.1 历史模拟法 |
5.1.2 蒙特卡罗模拟法 |
5.1.3 情景分析法 |
5.2 遗传算法求解模型 |
5.2.1 遗传算法设计与部件 |
5.2.2 遗传算法流程图 |
5.2.3 求解实例 |
第六章 结束语 |
参考文献 |
发表论文和科研情况说明 |
致谢 |
(8)时变β系数约束下的动态行业资产配置(论文提纲范文)
摘要 |
Abstract |
第1章 导论 |
1.1 选题背景与研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 国内外研究综述 |
1.2.1 国外资产配置理论的研究综述 |
1.2.2 国内资产配置理论的研究综述 |
1.3 本文的内容框架、研究方法与创新点 |
1.3.1 本文的内容框架 |
1.3.2 本文的主要研究方法 |
1.3.3 本文的创新点 |
第2章 相关理论介绍 |
2.1 马柯维茨(Markowitz)的均值-方差模型 |
2.2 威廉·夏普(William Sharpe)的单指数模型 |
2.2.1 单指数模型简介 |
2.2.2 β系数在最优化组合模型中的应用 |
2.2.3 β系数的其他应用范围 |
2.3 时变β系数约束下的资产配置模型 |
2.3.1 β系数的稳定性与时变性分析 |
2.3.2 DCC-MVGARCH模型以及相关模型简介 |
2.3.3 定义DCC-MVGARCH模型下的时变β系数 |
2.3.4 定义时变β系数约束下的资产配置模型 |
第3章 实证分析 |
3.1 样本选择与数据定义 |
3.2 样本数据的描述性统计分析 |
3.3 建立DCC-MVGARCH模型 |
3.3.1 ADF序列平稳性检验 |
3.3.2 各指数收益率序列的单变量GARCH过程 |
3.3.3 建立全A指数与各行业指数间的DCC(1,1)-MVGARCH(1,1)模型 |
3.4 建立时变β系数约束下的动态行业资产配置模型 |
3.4.1 各行业指数的时变β系数的统计特征分析 |
3.4.2 各行业系统风险占总风险比例的趋势分析 |
3.4.3 时变β系数约束下的动态行业资产配置的效果检验 |
第4章 结论对策与研究展望 |
4.1 研究结论 |
4.2 对策建议 |
4.3 研究展望 |
参考文献 |
附录1 全A指数与各行业指数收益率间动态相关系数的趋势图 |
附录2 各行业时变β系数的趋势图 |
附录3 各行业系统风险占总风险比例的趋势图 |
附录4 系统风险比例存在显着差异的几种行业指数与全A指数收益率间的比较效果图 |
附录5 实证过程中相关的Matlab程序 |
致谢 |
(9)模糊投资组合优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 引言 |
1.2 选题背景以及意义 |
1.3 投资组合的研究现状 |
1.4 模糊投资组合研究现状 |
1.5 模糊收益率的获取 |
1.6 区间收益率的获取 |
第2章 模糊均值方差投资组合模型 |
2.1 模糊均值方差投资组合模型的割平面解法 |
2.1.1 引言 |
2.1.2 markowitz风险一收益模型 |
2.1.3 模糊环境下的组合优化模型 |
2.1.4 模型的求解 |
2.1.5 数值算例 |
2.2 收益率为模糊数的投资组合线性规划模型 |
2.2.1 引言 |
2.2.2 模型的建立及求解 |
2.2.3 数值算例 |
2.2.4 结束语 |
2.3 预期收益率为模糊数的投资组合模型 |
2.3.1 引言 |
2.3.2 模型的建立及求解 |
2.3.3 数值实验 |
2.3.4 结束语 |
2.4 区间模糊数投资组合模型 |
2.4.1 引言 |
2.4.2 区间数投资组合模型的建立及求解 |
2.4.3 区间数投资组合模型的求解 |
2.4.4 数值实验 |
第3章 可能性均值安全第一准则投资组合模型 |
3.1 引言 |
3.2 带交易费用的均值安全第一准则投资组合模型 |
3.2.1 均值半方差投资组合模型 |
3.2.2 带交易费用的均值安全第一准则投资组合模型 |
3.3 可能性均值安全第一准则投资组合模型 |
3.3.1 可能性理论 |
3.3.2 模型的建立 |
3.4 数值算例 |
第4章 可能性均值方差安全第一准则投资组合模型 |
4.1 均值方差安全第一准则投资组合模型 |
4.1.1 均值方差模型 |
4.1.2 均值安全第一准则投资组合模型 |
4.1.3 均值方差安全第一准则投资组合模型 |
4.2 模糊均值方差安全第一准则投资组合模型 |
4.2.1 割平面算法 |
4.3 数值算例 |
第5章 模糊均值绝对偏差投资组合模型 |
5.1 多目标组合线性优化模型 |
5.1.1 引言 |
5.1.2 多目标组合线性优化模型的建立 |
5.1.3 多目标投资组合线性优化模型的求解 |
5.1.4 数值算例 |
5.1.5 小结 |
5.2 流动性约束下的模糊均值绝对偏差投资组合模型 |
5.2.1 均值绝对偏差投资组合模型 |
5.2.2 流动性约束下均值绝对偏差投资组合模型建立 |
5.2.3 流动性约束下的模糊均值绝对偏差投资组合模型建立 |
5.2.3.1 模糊序 |
5.2.3.2 流动性约束下的模糊均值绝对偏差投资组合模型建立 |
5.2.4 数值算例 |
第6章 模糊均值-β投资组合模型 |
6.1 多目标组合线性优化模型 |
6.1.1 基于β约束的投资组合模型的模糊两阶段解法 |
6.1.2 模型的模糊两阶段解法求解 |
6.1.3 数值算例 |
6.2 基于β约束的模糊投资组合模型 |
6.2.1 模糊环境下的投资组合优化模型的建立 |
6.2.2 数值算例 |
6.3 基于β值的区间规划投资组合模型 |
6.3.1 引言 |
6.3.2 模型的建立 |
6.3.2.1 β约束条件下的投资组合模型 |
6.3.2.2 带流动性约束的投资组合模型 |
6.3.3 区间数环境下的投资组合优化模型 |
6.3.3.1 区间数环境下的投资组合优化模型的建立 |
6.3.3.2 区间数环境下的投资组合优化模型的求解 |
6.3.4 数值算例 |
6.3.5 小结 |
第7章 模糊均值-熵投资组合模型 |
7.1 均值-熵投资组合模型的模糊两阶段解法 |
7.1.1 引言 |
7.1.2 熵及其性质 |
7.1.3 均值-熵投资组合模型 |
7.1.4 均值-熵投资组合模型的模糊两阶段解法求解 |
7.1.5 数值箅例 |
7.1.6 结束语 |
7.2 区间数均值-熵投资组合模型 |
7.2.1 引言 |
7.2.2 熵及其性质 |
7.2.3 区间数均值-熵投资组合模型的建立 |
7.2.4 区间数环境下的投资组合优化模型的求解 |
7.2.5 数值算例 |
7.2.6 小结 |
第8章 单位风险收益最大化的组合投资决策模型的分式规划解法 |
8.1 引言 |
8.2 证券组合的风险效用函数投资决策模型的建立 |
8.3 模型的遗传算法求解 |
8.3.1 编码 |
8.3.2 评价 |
8.3.3 选择 |
8.3.4 交叉 |
8.3.5 变异 |
8.4 模型的数值算例 |
8.5 总结 |
第9章 总结与展望 |
9.1 结论 |
9.2 本文创新点 |
9.3 后续的拓展研究 |
参考文献 |
致谢 |
附录 攻读博士学位期间完成和发表论文目录 |
(10)流动性与股票组合投资管理研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文的研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 论文的研究方法 |
1.3 论文主要研究内容、结构及线路图 |
1.4 论文的创新 |
第二章 文献综述 |
2.1 现代资产组合理论模型研究综述 |
2.1.1 均值-方差模型框架内的修正 |
2.1.2 收益率分布特征视角的均值-方差模型修正 |
2.1.3 引入交易成本的组合选择模型修正 |
2.1.4 基于流动性视角的修正 |
2.1.5 基于其它视角的修正 |
2.1.6 评价 |
2.2 股票流动性的内涵及测度研究综述 |
2.2.1 流动性的内涵及测度 |
2.2.2 组合流动性测度 |
2.3 组合规模研究综述 |
2.4 行业效应研究综述 |
2.4.1 行业效应与组合投资 |
2.4.2 流动性的行业特征 |
2.5 本章 小结 |
第三章 流动性的股票特征与组合规模 |
3.1 流动性测度指标选取 |
3.2 流动性的股票特征 |
3.2.1 股票自身属性及交易特征 |
3.2.2 流动性水平的稳定性 |
3.3 流动性与流动性风险 |
3.3.1 流动性风险的认识 |
3.3.2 流动性风险与组合投资 |
3.4 组合最优证券数目的确定 |
3.4.1 组合规模测度的基础 |
3.4.2 组合中最优证券数目的判断和实证 |
3.5 组合投资中的政策约束 |
3.6 本章 小结 |
第四章 考虑流动性的资产组合选择理论模型及修正 |
4.1 引言 |
4.2 基于理论角度的流动性与组合选择模型 |
4.3 基于实证角度的流动性与组合选择模型 |
4.3.1 流动性间接作用下的均值-方差模型 |
4.3.2 流动性直接作用下的均值-方差模型 |
4.4 修正的流动性与组合投资管理应用定量分析模型 |
4.4.1 修正的依据 |
4.4.2 修正后的均值-方差-流动性模型 |
4.4.3 模型的评价 |
4.5 本章 小结 |
第五章 流动性作用下组合投资管理实证研究 |
5.1 流动性间接作用下组合投资优化实证 |
5.1.1 样本选择及数据来源 |
5.1.2 实证结果及解释 |
5.2 流动性直接作用下组合投资优化实证 |
5.2.1 样本选择及描述性统计 |
5.2.2 实证结果及解释 |
5.3 本章 小结 |
第六章 流动性与组合投资管理在行业中的应用 |
6.1 行业效应与组合投资管理 |
6.1.1 行业分类标准 |
6.1.2 行业配置作用下的组合投资 |
6.2 行业效应的表现特征 |
6.2.1 行业收益之间的相关性 |
6.2.2 行业流动性之间的相关性 |
6.2.3 行业配置与市场组合构成 |
6.3 流动性、行业效应与组合投资的实证研究 |
6.3.1 样本及数据的选取 |
6.3.2 相关指标选取及描述性统计 |
6.3.3 投资政策与行业配置 |
6.3.4 流动性组合投资管理与行业配置——以A 基金为例 |
6.4 本章 小结 |
第七章 总结与展望 |
7.1 论文的主要工作与结论 |
7.2 研究的不足与展望 |
7.2.1 研究中存在的不足 |
7.2.2 展望 |
参考文献 |
附录一公式推导 |
攻读博士学位期间已发表或录用的论文 |
攻读博士学位期间参与的科研项目 |
致谢 |
四、β约束下证券投资优化模型的研究(论文参考文献)
- [1]基金投资组合模型优化及应用研究[D]. 刘艳欣. 曲阜师范大学, 2019(01)
- [2]扩展熵优化理论及其在投资组合中的应用[D]. 王宾. 辽宁科技大学, 2012(04)
- [3]一个证券投资风险计量的优化模型[J]. 邵国华,高海明. 金融理论与实践, 2011(05)
- [4]基于模糊理论的组合投资模型及其应用研究[D]. 付云鹏. 辽宁大学, 2011(01)
- [5]Log-最优资产组合与风险管理[D]. 宋博. 吉林大学, 2010(10)
- [6]模糊环境下的投资规划研究[D]. 刘洋. 东北大学, 2010(03)
- [7]基于CVaR的考虑单个风险的组合证券投资研究[D]. 刘紫亮. 天津大学, 2009(S2)
- [8]时变β系数约束下的动态行业资产配置[D]. 王冬. 河北大学, 2009(03)
- [9]模糊投资组合优化研究[D]. 陈国华. 湖南大学, 2009(12)
- [10]流动性与股票组合投资管理研究[D]. 姚亚伟. 上海交通大学, 2009(12)