經(jīng)驗(yàn)協(xié)方差矩陣（ECM）因被用來(lái)度量資產(chǎn)價(jià)格波動(dòng)收益間的交互相關(guān)性,成為Markowitz理論應(yīng)用的基石。然而,本文應(yīng)用隨機(jī)矩陣?yán)碚摚≧MT）,對(duì)我國(guó)股市交易價(jià)格波動(dòng)的ECM的信息結(jié)構(gòu)進(jìn)行分析后,卻發(fā)現(xiàn):ECM被噪聲主宰。因此,本文基于RMT,將大維ECM中的噪聲主體剝離,構(gòu)建了投資組合內(nèi)資產(chǎn)價(jià)格間真實(shí)交互相關(guān)性度量模型（GCM）。為檢驗(yàn)GCM的有效性,本文選擇ECM和Kendallτ作為比較對(duì)象,選用2000 2006年期間平均收益率最高的九十只滬市A股股票作為投資對(duì)象,構(gòu)建了基于不同的相關(guān)性度量方法的、同等收益率目標(biāo)下的投資組合優(yōu)選模型和最優(yōu)投資組合方案。本文計(jì)算和分析各投資組合風(fēng)險(xiǎn)的大小,進(jìn)而判斷各投資組合相關(guān)性度量模型和投資組合決策模型的優(yōu)劣。為提高檢驗(yàn)力度,本文利用小波技術(shù)對(duì)市場(chǎng)數(shù)據(jù)去噪,再做如上實(shí)證。通過(guò)實(shí)證分析,本文發(fā)現(xiàn):無(wú)論是對(duì)歷史的擬合還是對(duì)未來(lái)的推測(cè),無(wú)論樣本的市場(chǎng)數(shù)據(jù)是否經(jīng)過(guò)小波去噪處理,基于GCM得到的所有最優(yōu)投資組合的風(fēng)險(xiǎn),都是最小。也即,本文基于RMT提出的大規(guī)模投資組合交互相關(guān)性度量理論和決策模型,是有效和最優(yōu)的。 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 文獻(xiàn)綜述
        1.2.1 資產(chǎn)收益相關(guān)性研究綜述
        1.2.2 隨機(jī)矩陣?yán)碚撗芯烤C述
        1.2.3 資產(chǎn)收益相關(guān)性現(xiàn)有研究的不足
    1.3 本文研究?jī)?nèi)容和技術(shù)路線
        1.3.1 研究?jī)?nèi)容和研究方法
        1.3.2 本文的技術(shù)路線
    1.4 本文的研究成果及創(chuàng)新點(diǎn)
第二章 大維ECM 噪聲檢驗(yàn)理論分析框架
    2.1 大維隨機(jī)矩陣的幾種譜分布
        2.1.1 大維RM 的經(jīng)驗(yàn)譜分布函數(shù)的極限分布
        2.1.2 隨機(jī)矩陣的特征根極值
        2.1.3 隨機(jī)矩陣的經(jīng)驗(yàn)譜分布函數(shù)的收斂速度
    2.2 大維隨機(jī)矩陣特征值分布
        2.2.1 隨機(jī)矩陣特征譜
        2.2.2 隨機(jī)矩陣Wigner 分布
    2.3 大維ECM
    2.4 基于RMT 的大維ECM 分析原理與步驟
    2.5 本章小結(jié)
第三章 我國(guó)股市大維ECM 噪聲主宰特征檢驗(yàn)
    3.1 中國(guó)金融市場(chǎng)的交互關(guān)系
        3.1.1 樣本選擇和數(shù)據(jù)來(lái)源與描述
        3.1.2 收益ECM
    3.2 基于RMT 的特征譜分析
        3.2.1 RMT 理論譜
        3.2.2 ECM 特征譜
        3.2.3 RMT 特征譜修正與對(duì)比
    3.3 ECM 主體譜檢驗(yàn)結(jié)果
        3.3.1 GOE 統(tǒng)計(jì)下的一致性檢驗(yàn)
        3.3.2 ECM 譜特征描述
    3.4 本章小結(jié)
第四章 投資組合環(huán)境下GCM 模型的提出
    4.1 Markowitz 投資組合理論簡(jiǎn)介
    4.2 Markowitz 均值-方差模型
    4.3 組合投資為何能分散風(fēng)險(xiǎn)？
    4.4 資產(chǎn)收益相關(guān)性的度量
        4.4.1 經(jīng)驗(yàn)相關(guān)性
        4.4.2 Kendall τ相關(guān)性
    4.5 真實(shí)交互相關(guān)性建模
    4.6 本章小結(jié)
第五章 GCM 模型有效性檢驗(yàn)與實(shí)證分析
    5.1 擬合風(fēng)險(xiǎn)對(duì)比
        5.1.1 方案設(shè)計(jì)
        5.1.2 實(shí)證結(jié)果分析
    5.2 預(yù)期風(fēng)險(xiǎn)對(duì)比
        5.2.1 方案設(shè)計(jì)
        5.2.2 實(shí)證結(jié)果分析
    5.3 去噪擬合風(fēng)險(xiǎn)對(duì)比
        5.3.1 小波去噪原理簡(jiǎn)介
        5.3.2 方案設(shè)計(jì)
        5.3.3 實(shí)證結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]保險(xiǎn)資金投資管理中的風(fēng)險(xiǎn)分散問(wèn)題研究[J]. 侯成琪,徐緒松.  財(cái)貿(mào)研究. 2007(05)
[2]中國(guó)主要股指收益相關(guān)性研究[J]. 鄭振龍,張蕾.  廈門大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2007(03)
[3]中美股市間的聯(lián)動(dòng)性分析[J]. 韓非,肖輝.  金融研究. 2005(11)
[4]金融時(shí)間序列去噪的小波變換方法[J]. 蘭秋軍,馬超群,文鳳華.  科技管理研究. 2004(06)
[5]A、B股之間的信息流動(dòng)與波動(dòng)溢出[J]. 趙留彥,王一鳴.  金融研究. 2003(10)
[6]中國(guó)滬深股市收益率及波動(dòng)性相關(guān)分析[J]. 陳守東,陳雷,劉艷武.  金融研究. 2003(07)
[7]主要股票市場(chǎng)指數(shù)與我國(guó)股票市場(chǎng)指數(shù)間的協(xié)整分析[J]. 陳守東,韓廣哲,荊偉.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2003(05)
[8]滬深股市股指波動(dòng)的協(xié)整性研究[J]. 史代敏.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2002(09)



本文編號(hào)：3028987