發(fā)布時間：2020-04-14 23:09

【摘要】： 隨著中國經(jīng)濟的發(fā)展,投資業(yè)對投資組合理論和實踐方法的需求越來越大,廣大投資者也需要相應的適合中國股票市場的投資理論來指導實踐。 因此,本文將研究的主要范圍設定為包括“戰(zhàn)略投資”(Strategic Investment)、“戰(zhàn)術投資”(Tactical Investment)及其績效評估和風險評估在內(nèi)的投資組合理論,以求達到如下目的: 在“戰(zhàn)略投資”層面上,本研究的目的為: 1)從理論上,提出基于VaR-Kelly體系的新模型以彌補現(xiàn)有的投資組合模型所存在的缺陷,以滿足實際投資活動的需求。 2)在實踐中,通過對不同投資策略在中國股票市場的實證來比較各類投資策略在中國股票市場的優(yōu)劣,為投資者提供相應的參考。同時,對所提出的新模型在中國股票市場上進行實證。 在“戰(zhàn)術投資”層面上,本研究的目的為: 1)從理論上,研究Black-litterman模型的求解方法,以期提供更加合理的求解方法。 2)在實踐中,用最優(yōu)權重因子法對“戰(zhàn)術投資”策略中的信號個數(shù)、信號類別(高頻信號及低頻信號)進行研究,以了解信號個數(shù)及信號類別對“戰(zhàn)術投資”績效的影響。 在績效評估和風險評估層面上,本研究的目的為: 1)從理論上,研究新的基于VaR體系的投資績效評估方法,并與其他方法做相應的比較。 2)提出新的模型對分類信息條件下的風險進行估算。 在實證方法上,本文以中國A股市場的部分行業(yè)的股票數(shù)據(jù)、計算機模擬的數(shù)據(jù)及上證指數(shù)的高頻數(shù)據(jù)為研究對象,采用matlab,eview等工具進行編程及計算機仿真模擬。 本文所作的主要工作和有關結論如下: 首先,在對“不加入安全約束條件下各類投資策略”進行了研究,由于這些傳統(tǒng)的投資策略沒有加入安全約束條件,即沒有把風險考慮進去。而且,從實證的結果來看,投資績效不是很理想,因此,我們僅僅將此類投資結果列出作為廣大投資者參考之用,不推薦在實際的投資活動中采用這些方法。 其次,對“加入安全約束條件下各類投資策略”進行了研究,本文提出了基于VaR及Kelly增長體系的“基于最優(yōu)增長路徑的增長-安全模型”。該模型相對其他的模型而言,在風險度量上采用VaR方法,較以前的以方差等指標作為風險度量的方法有了一定的改進,在收益的衡量方面,采用Kelly增長體系替代傳統(tǒng)的收益衡量體系,并在離散條件下,用基于情景分析的方法計算其相應的結果。該模型既值得作進一步深入研究,也可作為用于投資活動的一種實踐工具。 在對“戰(zhàn)術投資”的研究上,本文討論了“最優(yōu)權重比例模型(OAF模型)”和Black-Litterman模型中的部分問題。我們發(fā)現(xiàn):只要信號之間的α(超過基準的超額收益率)之間的相關系數(shù)不全為零,采用最優(yōu)權重因子法(OAF)中,可以顯著地提高“信息比率”。同時,建議使用高頻信號,并說明了采用多的信號數(shù)量對提高“信息比率”作用不大。 同時,本文對Black-Litterman模型的傳統(tǒng)求解過程進行了質(zhì)疑,指出了Idzorek(2002)的求解方法的錯誤之處,并給出了相應的解決方法。 此外,在對“投資績效評估”的研究上,本文提出了基于VaR體系的投資績效評估方法:“收益-VaR比率”。研究結果發(fā)現(xiàn),在正態(tài)分布條件下,用夏普比率和用收益-VaR比率得到的績效排名是一致的。然而,在非正態(tài)分布條件下,兩種方法得到的結果卻有可能不相同。 最后,在研究分類信息條件下的風險估算問題時,本文提出了基于高頻數(shù)據(jù)的分類信息混合分布GARCH類模型,考察好消息、壞消息對上證指數(shù)波動性的影響,比較了不同GARCH類模型得出的結論。同時,用GARCH模型及EGARCH模型對上證指數(shù)進行了實證研究,結果發(fā)現(xiàn):基于高頻數(shù)據(jù)的分類信息混合分布的EGARCH模型較基于高頻數(shù)據(jù)的分類信息混合分布的GARCH模型及Craig A.Depken(1999)提出的模型更符合實際情況,能更準確的衡量分類信息對波動的影響。
【圖文】：

97τ變化時的變化，計算結果如圖4.3所示：圖4.3τ系數(shù)的計算機模擬結果圖4.3中，縱軸表示投資權重，橫軸表示τ 的取值，我們看到，當τ 的取值為0.3以上時，投資組合能得到穩(wěn)定的投資權重。因此，我們?nèi)ˇ?為0.3到1之間的任意一常數(shù)，而非如Idzorek（2002）所提出的計算方法。另外，作為對計算資產(chǎn)波動率的參考和補充，本論文還在5.3節(jié)部分提出了一種能區(qū)分好壞信息對資產(chǎn)波動率的影響的方法，作為必要的補充，此方法可用GARCH類模型來預測分類信息下未來的方差-協(xié)方差矩陣。3）投資者“觀點”的誤差項協(xié)方差矩陣（Σ）由于投資者的“觀點”不大可能出現(xiàn)完全與真實的報酬率一致，也就說，當預測報酬率出現(xiàn)誤差時

RV t 作為100t%置信水平下的投資組合 w 的收益-VaR比率。圖5.1 收益-VaR比率示意圖5.1中，橫軸表示VaR值，而縱軸表示了收益。點F，A，B，M分別對應無風險資產(chǎn)，投資組合A，投資組合B和市場投資組合。因為VaR是在一定置信水平下一定時間內(nèi)的最大損失
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2006
【分類號】：F830.59;F224

【參考文獻】

相關期刊論文 前8條

1 李楚霖,楊明;多期風險資產(chǎn)組合的有效前沿[J];管理工程學報;2000年02期

2 易江,李楚霖;用安全第一標準選擇多期風險資產(chǎn)組合[J];管理工程學報;2001年03期

3 唐齊鳴;陳健;;市場信息流與股票波動性分析[J];經(jīng)濟管理;2001年20期

4 朱永安,石禮英;基于混合分布假說的股市價量關系研究[J];集美大學學報(哲學社會科學版);2003年03期

5 魯晨光;投資組合和信息價值新理論用于預測評價和優(yōu)化[J];預測;1997年01期

6 王曉峰,李楚霖;動態(tài)投資的增長—安全決策[J];預測;1999年01期

7 沈根祥;股票收益隨機波動模型研究[J];中國管理科學;2003年02期

8 魏宇,黃登仕;中國股票市場波動持久性特征的DFA分析[J];中國管理科學;2004年04期

，

本文編號：2627818