一、投资组合均值-方差准则的新解法(论文文献综述)
刘贤军[1](2020)在《祁东县黄花菜产业发展风险管理研究》文中指出
李雄英[2](2016)在《股票组合投资的稳健统计分析方法研究》文中进行了进一步梳理获取较高的收益一直是证券投资的最根本目的,但是在投资活动中,收益与风险总是相伴而行,收益越高,则风险越大,收益越低,则风险越小。构建投资组合的主要目的就是分散风险,即在风险和收益之间到一个平衡点,在风险一定的情况下,以期获得最大收益。本文主要以投资组合模型为研究对象,其最传统且最经典的理论是由Markowitz在1952年提出的均值-方差模型,该模型以证券历史收益率的方差作为投资组合的风险度量,被广大投资者和研究者所使用,该模型在理论和实际的应用中均具有非常重要的意义。随着研究的深入,不少研究者发现使用方差来度量风险可能存在不可回避的缺陷。为了克服现有理论的不足以及更好地运用投资组合模型获取较高收益,很多专家和学者进行了广泛而深入的探讨。本文从稳健的角度对投资组合模型进行了研究,并且对几个模型进行了稳健改进,最后对改进后的模型进行了模拟和实证分析。本文的研究成果主要有以下几个方面:一、稳健统计方法的构建。由于证券市场中存在离群值,在构建稳健的投资组合方法之前我们对常用的一种统计方法与稳健思想结合,构建出稳健的统计方法,而传统的多元分析方法与许多传统方法一样,容易受到离群值的影响,导致计算结果与实际情况产生差异,因此本文构建了稳健因子分析方法,并使用证券数据对稳健因子分析和传统因子分析进行模拟研究和实证分析,从模拟和实证结果可以看出,我们构建的稳健方法比传统方法更能有效抵抗离群值。二、均值-方差模型的改进。对于均值-方差模型来说,其正态性是极其重要的一个假设。在收益与风险权衡中,当证券收益数据服从正态分布时,其方差和均值才是度量风险、收益最好的统计量。传统的投资组合方法在构造统计量时没有考虑统计量的稳健性,对离群值非常敏感,本文结合稳健统计的思想,进一步对均值-方差投资组合模型进行改进,使其能够更能满足我们日常生活中得到的金融类数据,并且对离群值具有更高的抵抗作用。而且从实证结果中可以看出,我们构建的稳健组合投资方法的确比传统方法更优。三、均值-绝对离差模型的改进。相对于其他投资组合模型来说,均值-绝对离差模型中的绝对离差是一个比较稳健的统计量,但是计量期望收益率的是均值,而均值不稳健,所以本文对这个模型中的均值使用稳健均值进行改进,得到稳健均值-绝对离差模型,并且使用中国证券数据进行比较分析。由分析结果可知,我们构建的稳健均值-绝对离差模型比传统的方法更能抵抗离群值的影响。四、夏普指数模型的改进。传统的回归方法中对每个样本数据均赋予相等的权重,从而使得离群值对整个模型的影响增强,因此本文我们结合稳健统计的思想对夏普指数模型进行改进,即在回归分析中我们使用了稳健回归的理念,对样本数据赋予不同的权重,残差越大,权重越小,残差越小,权重越大,这样能够有效降低离群值对整个模型计算结果的影响,结合夏普指数模型,构建了稳健夏普指数模型,使得组合投资更加趋向于它真正的投资价值。由实证分析结果可以看出,改进的夏普指数模型有较好的抗差性。五、稳健组合投资系统的原型建立。本文将统计方法与智能化信息系统结合起来,在开源系统R语言的基础之上,建立了一套“稳健组合投资分析系统”,来实现系统的算法与系统评价中图形的绘制,从而最终设计出具有一定实用价值的稳健组合投资系统。
祝园园[3](2015)在《基于复杂网络的投资组合研究》文中认为本文利用计算实验金融方法建立了一个基于复杂网络的投资组合模型。不同于传统的投资组合研究方法,本文引入复杂网络这一概念来描述了实际中投资者的联系。在这个环境下,采用计算实验方法,设置不同类型投资者、投资者联系方式、学习机制以及证券等信息,形成一个agent系统,得到市场中投资组合的变化情况。本文利用两资产模型观察了社会网络、风险资产特性对投资组合的影响并对多资产模型有效前沿进行了探索。我们发现,当存在社会网络时,投资者之间的联系更为密切,他们可以接收更多的信息,从而做出更为理性的判断,市场也变得更为平稳。风险资产的收益和风险都会大大影响投资组合的选择,且对不同类型投资者的影响程度大不相同。最后,我们发现由于投资者的非理性和异质性,模型中投资组合的偏好和传统均值-方差模型的有效前沿有所不同。本文研究的意义主要在于:第一,提出了研究投资组合的新方法。利用计算实验金融对投资者行为进行更为细致和直观的观察。复杂网络的运用使得我们能够更为恰当地描述实际中投资者之间的联系。第二,通过模拟各因素对投资组合的影响,我们总结出了不同投资者在不同情况下的投资组合选择,并对行动背后的原因做出了解释,这让我们能够更好地理解投资者行为,在此基础上做出更好的投资行为和市场规范。
吴滟[4](2015)在《盘活沉淀住房公积金的组合投资策略研究》文中指出1991年,随着国家住房制度的改革的热潮,我国的住房公积金制度在上海试点。在借鉴新加坡中央公积金制度的基础上发展起来的具有浓郁中国色彩的住房公积金制度,其最大的目的在于转变住房分配体制,最大限度地支持和满足广大职工的购房需求,真正实现“居者有其屋”。近年来,住房公积金的缴存工作效果显着,然而公积金的个人贷款的申请、提取却由于受到各地经济发展水平、发展速度、房价物价、职工工资、购房意愿、管理中心贷款管理态度等诸多因素的影响,发放增速较缓,各地公积金的缴存余额增长明显,资金使用率低下,大量资金沉淀在银行没有发挥其应有的作用,资金的增值收益甚至低于通货膨胀,造成公积金的贬值,严重侵害广大缴存者的利益。住房公积金制度作为一项具有公共产品性质的制度,其有效运作有利于促进帕累托最优,通过研究沉淀住房公积金的资金规模及投资结构,对于进一步改进和完善住房公积金制度,促进社会公平和进步有着非常重要的意义。因此本文从盘活沉淀住房公积金的角度出发,立足住房公积金管理中心的职能视角,在考虑到沉淀资金运用安全性、流动性、收益性的前提下,运用组合投资理论明确其债权或其他参与方式期望目标对投资的风险与收益的基本要求,以提高资金的收益率以实现公积金的保值增值。文章首先回顾了住房公积金制度提出的背景,在介绍目前国际住房金融市场的主要模式的基础上,主要探讨新加坡中央公积金制度的运行情况,以及国内文献对于该问题的研究现状。在明确我国公积金制度的运行机制和住房公积金管理中心的职能定位的基础上,对住房公积金投资的可行性、必要性进行分析,主要围绕政府政策支持、住房公积金管理中心的职能、回归住房公积金制度本质三个视角进行探讨,并资金回款、对个贷的“挤出效应”两方面探讨投资过程中存在风险。然后对沉淀住房公积金投资组合的理论进行剖析,均值—方差模型最为最早的组合投资模型,被广泛用于探讨资产组合优化问题。此后,随着金融风险度量方法的相关研究不断深入和丰富,VaR被认为一种简便、易于度量风险的方法,在金融行业中得到广泛认可和使用。本文通过建立均值-VaR模型实证研究在国家政策允许的情况下,将住房公积金投资于银行存款、国债以及保障房建设的投资结构与投资比例。文章在搜集2004年-2013年银行1年期、2年期、3年期、5年期存款利率,3年期、5年期国债利率和保障房贷款利率的基础上,并应用旋转算法和Lingo全局最优对试点城市不同期限、不同收益率金融产品的最优投资规模进行组合选择,确定公积金在不同产品的最优投资规模和比例,为试点城市住房公积金管理中心盘活沉淀住房公积金,进行有效的投资决策提供参考依据。并用Matlab二次规划检验投资比例科学性和精确性,再对比厦门沉淀住房公积金投资前后的风险、增值收益情况,对模型的有效性进行检验,并得到均值-VaR模型有利于优化沉淀公积金投资结果的结论。最后文章根据实证结果进行总结,确定了最优投资比例,并尝试探讨住房公积金管理中心的转型问题。基于目前国家对住房公积金法律制定的不全面,公积金增值收益权属不明的情况,文章从建立健全的法律体系、明确增值收益权属定位、完善监管机制、风险控制的策略四方面对沉淀资金的投资进行风险预警和防范,以优化沉淀资金投资效率。
邓兴颖[5](2014)在《中国证券投资收益率的尾部风险研究 ——基于广义双曲拟合的风险度量》文中提出对于保险公司,银行等金融机构来说,风险管理是重要的课题,然而风险度量模型的基础是样本数据的分布假设,要想准确地度量风险有必要保证选择的分布假设具有较高的拟合优度,本文试图从金融收益率分布假设形式入手来改善风险度量的精度。在过去的学术研究历史上,传统的金融以发展完善的正态分布理论来研究资产收益率,而后的专家学者通过研究发现,实际的资产收益率并不符合正态分布,对正态分布理论的基础上不断发展,提出了针对实际资产收益率存在尖峰、厚尾特性的稳定分布。然而,根据实际数据论证,稳定分布比实际资产收益率有更厚的尾部。而后,学界提出了以正态均值——方差和广义逆高斯分布为理论基础的广义双曲分布拟合实际资产收益率,该分布由于尾部比正态分布要厚,比稳定分布要薄,可以更好的拟合资产收益率的尖峰、厚尾和偏斜等特征,近几年在国外金融领域的应用得到迅速发展,然而在国内对金融领域的应用研究尚不多见,在这一背景下,本文借鉴国内外前辈成果,把广义双曲线分布应用到中国股票市场风险度量实证研究中,以上证指数、深证成指为样本,对广义双曲分布族在拟合资产收益率分布的拟合优度上进行实证探讨。本文将以探寻拟合优度较高的分布拟合为出发点,以有效的风险度量为落脚点,以上证指数和深证成指为样本数据,以广义双曲分布这一参数众多,子类丰富的分布族为假设分布,以风险价值VaR,尾部期望ES为风险度量指标进行了研究和实证分析。本文共分为五个章节,各章具体内容如下:第一章首先介绍本文选题的意义,包括对广义双曲和风险度量的进行研究的理论意义和现实意义,阐述本文写作的出发点和价值。然后总结前人研究的经验成果,国内外研究学者分别对广义双曲分布的文献总结和对收益率分布的研究总结。随后提出自己的论文期望达到的深度,存在的困难和本文期望能够凸显的创新点。第二章以分布拟合的发展历程为开端,分别介绍了主流的收益率拟合分布假设,包括正态分布假设和稳定分布假设,以此理清发展流程。随后着力介绍广义双曲分布族的历史,出现背景,理论基础。在此基础上,介绍广义双曲分布常见的五种参数表示方法,参数代表的含义,以学界最常用的参数表示方法下,引入广义双曲分布下的子分布和极限分布。而后,介绍如何对广义双曲分布进行参数估计。参数估计过程复杂,函数较多,具体估计过程附于论文附录。第三章以实证分析为主,首先对标的数据上证指数和深圳指数进行数据特征分析。在本文,首先对数据采用对数变换,使用对数收益率,接着对数据进行正态性检验(峰度,偏度、QQ图检验),平稳性检验,和自相关检验,用实际数据体现收益率存在的特征。而后,利用R软件,计算包括正态分布在内的六种分布假设下上证指数和深圳指数的参数值,同时计算出迭代次数,似然函数数值,AIC值,根据数值大小,评判出拟合分布的拟合优度比较。第四章主要进行尾部风险度量,将深证成指和上证指数的样本数据扩展到可采集到最近日期的最新数据进行,计算在广义双曲分布族各个子分布和极限分布假设下的风险价值VaR。并且利用失败频率检验方法对VaR的计算结果进行检验。接着计算尾部期望ES,计算结果与VaR进行比较,对两种风险度量指标进行评价。第五章,对全文进行总结和评价,总结全文逻辑过程,梳理对全文在实证过程中的所有结论,提出建议。
李晓薇[6](2014)在《遗传算法在证券投资中的应用研究》文中研究指明证券投资具有市场变化快、影响因素复杂、风险不确定性等特点。为了分散风险,需按照不同的比例选择多个不同的证券进行投资,即采用投资组合的方式。投资组合问题属于复杂的优化问题,常规的算法难以在短时间内找到全局最优解,而遗传算法的普适性强、对目标函数的性质几乎没要求等特点,为投资组合问题的求解找到了可行的方法。本文主要探讨了如何建立投资组合模型,研究了如何根据具体问题设计模型求解的算法。本文综合经济学理论中的效用论和理性人假设以及统计学理论中的组合方差公式,依据CAPM模型和夏普比率中衡量风险的方法,提出了一个全新的证券投资组合模型:基于单位系统性风险的超额收益模型。该模型以组合标准差衡量风险,以单位系统性风险下的超额收益最大化为目标函数,根据单位风险收益来比较不同投资组合的优劣。建立在单位风险基础上的收益最大化模型,相对于单纯追求收益最大化的模型综合考虑了风险的因素,更符合现实中的投资需求。文章在详细给出了模型的推导过程之后,为模型设计了遗传算法求解。本文独创性的设计了双层遗传算法来解决证券投资组合问题。第一层遗传算法使用财务比率编码,持有期收益率作为适应函数,其运算结果筛选出了供模型使用的样本范围。第二层遗传算法针对模型详细设计了权重编码,直接使用模型的目标函数作为适应函数,对投资组合模型进行求解,使最终结果能够确定出一个组合各证券的投资比例。本文最后以沪深A股市场为例,运用实证分析实现了算法,验证了使用该模型进行投资可以有效的分散风险,选出的证券按比例进行投资其持有期收益率高于市场平均水平,模型和算法取得了较好的结果。
王宾[7](2012)在《扩展熵优化理论及其在投资组合中的应用》文中提出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。
徐晓宁,何枫[8](2012)在《不允许卖空下证券投资组合的区间二次规划问题》文中认为本文基于经典的Markowitz均值-方差模型,针对市场上不允许卖空的情况,提出了证券投资组合的区间二次规划模型,通过应用区间数排序方法(区间序关系、区间可能度和区间可接受度),给出了两种证券投资组合的区间非线性优化的数学转化模型,从而将不确定性证券投资组合模型转化为确定性的证券投资组合二次规划模型进行求解,并对由本文给出的三种求解方法与传统方法进行了比较。
江伟利[9](2011)在《证券组合选择模型的理论及其应用》文中研究表明本文简述并分析了现代投资组合选择的理论发展过程,介绍了不同的模型方法以及它们之间的区别和联系。详细介绍了均值-方差模型和均值-VaR模型,讨论当协方差阵正定和奇异两种情形下,分别给出了均值-方差模型解析解的一般表达式,通过比较可以看出协方差正定是协方差阵奇异情形下的一种特例,同时讨论了均值-方差模型的有效前沿和有效组合问题。此外,本文不仅对蒋春福,戴永隆(2008)利用矩阵的广义逆方法研究了有效前沿和有效组合的解析解的问题中有些不完整的结论给出适当的修正,全面讨论了1。和μ与协方差阵生成的线性子空间在所有关系下,给出了组合前沿的精确表达式。以Markowitz的均值-方差资产组合选择模型为基础,进一步研究了均值-VaR模型,给出了协方差阵奇异情形下,均值-VaR模型的最优解表达式,通过与经典的均值-方差模型的解析解的比较,发现了只有恰当的选择置信水平,均值-VaR模型的最优解才存在。最后,在正态分布假设条件下,对均值-方差资产组合选择模型进行拓展,并对基于方差、VaR风险度量准则时,得到证券组合的有效前沿以及有效投资组合,并对资产组合有效前沿进行比较。
沈根祥[10](2001)在《投资组合均值-方差准则的新解法》文中认为对资产组合理论的均值 -方差准则的Lagrange求解方法进行分析 ,指出由于Lagrange法只给出极值点存在的必要条件 ,采用该求解方法证明收益一定时方差最小投资组合的存在性存在缺陷 .以矩阵为分析工具 ,将限制条件用线性方程组解的广义逆矩阵形式表示 ,通过线性方程组解的理论 ,给出均值-方差准则的一种新解法
二、投资组合均值-方差准则的新解法(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、投资组合均值-方差准则的新解法(论文提纲范文)
(2)股票组合投资的稳健统计分析方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 背景介绍 |
1.2 研究目的和意义 |
1.3 国内外研究现状 |
1.4 本文的主要研究内容 |
1.5 本文的研究框架与创新点 |
第2章 证券投资组合理论与方法 |
2.1 传统证券投资组合 |
2.1.1 传统证券投资组合的理论 |
2.1.2 证券投资组合的主要内容 |
2.2 马科维茨投资组合问题 |
2.2.1 均值-方差模型概论 |
2.2.2 模型存在的问题 |
2.2.3 均值-方差模型的研究现状 |
2.3 均值-绝对离差优化模型理论 |
2.3.1 均值-绝对离差模型理论 |
2.3.2 均值-绝对离差优化模型研究现状 |
2.4 夏普指数模型的理论 |
2.4.1 夏普指数模型的基本理论 |
2.4.2 夏普指数模型的研究现状 |
2.4.3 夏普指数模型中存在的问题 |
2.5 本章小结 |
第3章 证券数据的稳健统计分析 |
3.1 离群值的定义及影响分析 |
3.2 常用的稳健统计方法 |
3.2.1 稳健统计的含义 |
3.2.2 稳健统计主要概念和测度方法 |
3.3 稳健与传统统计量的对比分析 |
3.3.1 数据的描述分析 |
3.3.2 方法的对比分析 |
3.4 本章小结 |
第4章 稳健统计方法在证券市场中的应用 |
4.1 离群值对因子分析的影响评价 |
4.1.1 传统因子分析的基本思想 |
4.1.2 传统因子分析方法的计算模型 |
4.1.3 传统因子分析的不稳健性 |
4.2 构建稳健统计的必要性及实证 |
4.2.1 两种因子分析的模拟比较 |
4.2.2 两种因子分析的实证分析 |
4.3 本章小结 |
第5章 稳健组合投资方法的构建 |
5.1 传统均值-方差模型存在的问题 |
5.2 稳健模型的思想、算法和模拟 |
5.2.1 稳健均值-方差模型的思想和模型 |
5.2.2 稳健均值-方差模型的算法 |
5.2.3 传统与稳健均值-方差模型的模拟比较 |
5.3 传统与稳健均值-方差模型的实证比较 |
5.3.1 样本区间和样本股票选取 |
5.3.2 样本数据的分布特征 |
5.3.3 组合投资有效前沿对比分析 |
5.3.4 组合投资方法的权重比较 |
5.4 传统均值-绝对离差模型存在的问题 |
5.5 稳健均值-绝对离差模型的思想和算法 |
5.5.1 稳健均值-绝对离差模型的思想和模型 |
5.5.2 稳健均值-绝对离差模型的算法 |
5.5.3 传统和稳健均值-绝对离差模型的模拟比较 |
5.6 传统与稳健均值-绝对离差模型的实证比较 |
5.7 本章小结 |
第6章 夏普指数模型的稳健性研究 |
6.1 传统的夏普指数模型 |
6.2 模型的不稳健因素探讨 |
6.2.1 传统回归的不稳健性 |
6.2.2 线性模型的稳健回归 |
6.3 夏普指数模型的设计思想 |
6.3.1 模型的具体算法及流程图 |
6.3.2 稳健夏普指数模型的优点 |
6.4 两种指数模型的模拟研究 |
6.5 两种指数模型的比较分析 |
6.5.1 样本股票和区间的选取 |
6.5.2 三种方法的结果比较 |
6.5.3 三种方法的有效前沿对比 |
6.6 本章小结 |
第7章 稳健组合投资分析系统原型建立 |
7.1 系统的设计思想、目标和原则 |
7.2 系统的总体框架 |
7.3 组合投资分析系统的开发环境 |
7.4 分析系统的使用简介 |
7.5 本章小结 |
第8章 论文总结与展望 |
8.1 论文总结 |
8.2 存在的问题与下一步的工作 |
附录1 本文的部分数据 |
附录2 部分R语言代码 |
附录3 随机选取的其他取票结果 |
参考文献 |
在校期间发表的论文 |
参与的课题科研项目 |
致谢 |
(3)基于复杂网络的投资组合研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究内容与结构安排 |
1.3 本文创新点 |
1.4 本文技术路线图 |
第二章 文献综述 |
2.1 投资组合理论相关文献 |
2.1.1 早期投资组合理论 |
2.1.2 现代投资组合理论(MPT) |
2.1.3 行为投资组合理论(BPT) |
2.2 复杂网络相关文献 |
2.2.1 复杂网络概念 |
2.2.2 经典复杂网络 |
2.2.3 复杂网络的应用和研究 |
2.3 计算实验金融相关文献 |
2.4 复杂网络理论在投资组合中的应用 |
2.5 本章小结 |
第三章 基于复杂网络的投资组合模型 |
3.1 复杂网络的建立 |
3.1.1 构建无标度网络 |
3.1.2 构建小世界网络 |
3.2 基于计算实验金融的投资者 |
3.2.1 投资者财富累积过程 |
3.2.2 投资者分类 |
3.3 投资者学习机制 |
3.4 决策框架 |
3.5 本章小结 |
第四章 两资产模型和多资产模型 |
4.1 两资产模型 |
4.1.1 模型介绍 |
4.1.2 初始偏好对模型的影响 |
4.2 社会网络对投资组合的影响 |
4.2.1 网络的存在性对投资组合的影响 |
4.2.2 不同投资者的投资组合变动 |
4.2.3 不同社会网络的影响 |
4.3 风险资产特性对投资组合影响 |
4.4 多资产模型 |
4.4.1 多资产社会网络模型 |
4.4.2 投资组合数据分析 |
4.4.3 投资组合动态变化和有效前沿 |
4.5 本章小结 |
第五章 结论与展望 |
5.1 结论与研究意义 |
5.2 不足与展望 |
致谢 |
参考文献 |
(4)盘活沉淀住房公积金的组合投资策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
第一节 研究背景及意义 |
第二节 国内外研究现状 |
第三节 研究内容及方法 |
第四节 创新点与不足 |
第二章 住房公积金投资概述 |
第一节 住房公积金制度概述 |
第二节 沉淀住房公积金概述 |
第三节 沉淀资金投资风险分析 |
第三章 沉淀资金投资组合的理论分析 |
第一节 符号及其说明 |
第二节 Markowitz 关于组合投资的均值-方差理论 |
第三节 基于 VaR 约束的组合投资优化模型 |
第四章 沉淀资金的投资组合实证分析 |
第一节 数据来源及处理 |
第二节 沉淀资金的投资组合实证分析 |
第五章 结论与建议 |
第一节 结论 |
第二节 优化沉淀资金投资的建议 |
第三节 未来的展望 |
参考文献 |
附录 |
致谢 |
(5)中国证券投资收益率的尾部风险研究 ——基于广义双曲拟合的风险度量(论文提纲范文)
摘要 |
Abstract |
1. 前言 |
1.1 研究背景及选题意义 |
1.1.1 证券投资收益率拟合及风险度量的研究背景 |
1.1.2 证券投资收益率拟合及风险度量的研究意义 |
1.2 广义双曲分布研究综述 |
1.2.1 广义双曲分布国外研究现状及趋势 |
1.2.2 国内学界对广义双曲分布研究成果及发展趋势 |
1.3 收益率分布的研究综述 |
1.3.1 股指收益率国外研究现状及发展趋势 |
1.3.2 国内学界对股指收益率目前研究成果及发展趋势 |
2. 广义双曲分布概述 |
2.1 投资收益率的常见分布假设及缺陷 |
2.1.1 正态分布假设 |
2.1.2 稳定分布假设 |
2.1.3 广义双曲分布假设 |
2.2 广义双曲分布 |
2.2.1 正态均值-方差混合与广义逆高斯分布 |
2.2.2 GH分布的主要参数表示方法 |
2.2.3 广义双曲的子类分布和极限分布 |
2.3 参数估计方法 |
3. 股指收益率分布拟合 |
3.1 收益率的基本统计特征 |
3.1.1 正态性检验 |
3.1.2 平稳性检验 |
3.2 广义双曲分布下收益率拟合研究 |
4. 尾部风险度量 |
4.1 风险价值与尾部期望 |
4.2 基于广义双曲分布的VAR险值计算 |
4.2.1 VaR险值计算 |
4.2.2 失败频率检验法检验VaR计算结果及分析 |
4.3 基于广义双曲分布的ES尾部期望计算 |
5. 结论 |
参考文献 |
附录一 |
附录二 |
致谢 |
(6)遗传算法在证券投资中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 证券投资组合的研究现状 |
1.2.1 投资组合模型的研究 |
1.2.2 遗传算法应用于投资组合模型的研究 |
1.3 本文结构及内容 |
1.4 本文技术路线 |
第二章 文献综述 |
2.1 证券投资组合基本模型介绍 |
2.1.1 均值-方差模型 |
2.1.2 均值-方差-偏度模型 |
2.1.3 单因素模型和复因素模型 |
2.1.4 对数效用模型 |
2.1.5 几何期望收益模型 |
2.1.6 安全-首要模型 |
2.2 遗传算法的起源与发展历史 |
2.3 遗传算法介绍 |
2.3.1 遗传算法原理 |
2.3.2 遗传算法运算流程 |
2.3.3 遗传算法的优越性和不足 |
2.3.4 遗传算法的应用领域 |
2.4 遗传算法的收敛性 |
2.4.1 模板理论 |
2.4.2 马尔可夫链收敛 |
2.5 遗传算法实现技术 |
2.5.1 编码 |
2.5.2 适应值函数 |
2.5.3 遗传算法的 3 个算子 |
2.5.4 遗传算法的初始参数和终止规则 |
2.6 本章小结 |
第三章 投资组合模型的建立及算法设计 |
3.1 第一层遗传算法设计 |
3.2 建立投资组合模型 |
3.2.1 组合风险描述 |
3.2.2 模型描述 |
3.2.3 模型的基本假设 |
3.3 模型求解的遗传算法设计 |
第四章 实证研究 |
4.1 样本的选取 |
4.1.1 编码样本 |
4.1.2 适应度值样本 |
4.2 第一层遗传算法实现 |
4.3 第二层遗传算法实现 |
4.3.1 算法步骤 |
4.3.2 运算结果 |
4.4 结果分析 |
第五章 结论 |
5.1 论文的主要工作 |
5.2 未来的研究方向 |
参考文献 |
致谢 |
(7)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 |
(8)不允许卖空下证券投资组合的区间二次规划问题(论文提纲范文)
1 引言 |
2 区间数理论 |
3 证券投资组合的区间二次规划问题 |
3.1 基于区间序关系的目标函数的转换 |
3.2 基于区间可能度的不确定约束的转换 |
3.3 基于区间可接受度的不确定约束的转换 |
3.4 另一种新的解法 |
4 实例验证 |
4.1 基于区间可能度的不确定约束的转换 |
4.2 基于区间可接受度的不确定约束的转换 |
4.3 另一种新的解法 |
4.4 与用已有方法所求得的解的比较 |
5 结语 |
(9)证券组合选择模型的理论及其应用(论文提纲范文)
摘要 |
Abstract |
目录 |
1 绪论 |
1.1 现代投资组合理论及模型简介 |
1.2 投资组合选择模型的研究进展与现状 |
1.2.1 均值-方差模型 |
1.2.2 均值-VaR模型 |
1.3 本文的研究内容及结构安排 |
2 带有奇异协方差阵的均值—方差模型 |
2.1 均值—方差模型的定义 |
2.2 协方差阵正定时的均值—方差证券组合选择问题的解 |
2.3 含无风险证券的均值-方差证券组合选择问题的解 |
2.4 协方差阵奇异时均值-方差证券组合选择问题 |
2.4.1 符号及相关概念的介绍 |
2.4.2 奇异协方差阵下均值-方差模型的解 |
3 带有奇异协方差阵下均值-VaR模型 |
3.1 VaR模型的定义 |
3.2 均值—VaR模型的定义 |
3.3 均值—VaR模型的解 |
4 均值-方差和均值-VaR模型下的资产组合有效前沿的比较研究 |
4.1 均值-方差风险准则下的资产组合选择分析 |
4.2 基于均值-VaR准则的资产组合有效前沿 |
结论 |
参考文献 |
已发表的学术论文 |
致谢 |
四、投资组合均值-方差准则的新解法(论文参考文献)
- [1]祁东县黄花菜产业发展风险管理研究[D]. 刘贤军. 南华大学, 2020
- [2]股票组合投资的稳健统计分析方法研究[D]. 李雄英. 暨南大学, 2016(11)
- [3]基于复杂网络的投资组合研究[D]. 祝园园. 南京大学, 2015(05)
- [4]盘活沉淀住房公积金的组合投资策略研究[D]. 吴滟. 浙江财经大学, 2015(05)
- [5]中国证券投资收益率的尾部风险研究 ——基于广义双曲拟合的风险度量[D]. 邓兴颖. 西南财经大学, 2014(02)
- [6]遗传算法在证券投资中的应用研究[D]. 李晓薇. 河北工业大学, 2014(03)
- [7]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)
- [8]不允许卖空下证券投资组合的区间二次规划问题[J]. 徐晓宁,何枫. 中国管理科学, 2012(03)
- [9]证券组合选择模型的理论及其应用[D]. 江伟利. 北方工业大学, 2011(08)
- [10]投资组合均值-方差准则的新解法[J]. 沈根祥. 郑州工业大学学报, 2001(04)