最大熵原理在证券投资组合中的应用研究

为了解决马科维茨(Markowitz)模型中以证券收益率的方差测度投资风险的局限性,本文提出了利用最大熵原理建立证券投资组合优化模型。并用该模型进行了实例分析,结果表明,比均值-方差模型可获得更高的收益。     

基于新的可能性方差的组合投资模型及其应用研究

随机性和模糊性是证券组合投资收益不确定性的两种表现形式,为了兼顾这两种不确定性因素对组合投资收益的影响,以模糊数的可能性均值作为证券组合投资收益的度量,以模糊数的可能性方差作为对证券组合投资未来风险的度量,建立新的基于可能性均值—方差的证券组合投资决策模型,并结合中国证券市场的具体情况给出该模型实际应用方法。实证分析的过程中,给出一种根据证券交易的历史收益数据获取模糊预期收益率的方法,该方法反映了证券收益率每个交易日的波动情况。     

马柯维茨均值方差模型在MATLAB与EXCEL下的实现与讨论

深入分析马柯维茨均值方差模型以及在投资组合应用时的约束条件,在综合考虑投资收益与风险平衡的前提下,基于相关系数法分析不同投资组合之间的相关性,根据决策者的投资偏好,改进了马柯维茨均值方差模型的约束条件,计算出投资组合的有效市场边界,并通过选取不同资产在不同经济周期下的实际数据,基于MATLAB与EXCEL实现了该方法的模型计算,得出了最优资产配置组合,并通过与基准的对比验证了该方法在平衡投资风险与收益方面的有效性。     

基于均值-方差相交的定价因子研究——兼论GMM中估计Block—Bootstrap模拟的区组选择

根据最优投资组合理论，本文证明可以采用均值一方差相交的方法确定模拟资产组合作为因素模型的定价因子。为了得到稳健的实证结论，文中对GMM估计的Wald统计量进行了Block—Bootstrap模拟．同时研究了模拟过程中区组（Block）长度的选择问题。实证结果表明，本文构造的大、中、小三个规模组合可以作为中国股市的定价因子；当区组长度选定时，GMM—Wald统计量的Block—Bootstrap模拟不会随着模拟次数的变化发生显著变化，但当区组长度超过10时，它与其它区组长度对应的模拟结果会有显著差异。     

中国与东盟五国股市投资组合的风险和收益——基于MV和M-LPM模型的实证研究

选取2003年1月至2011年12月间中国和东盟五国股市的市场指数数据样本,分别基于MV和M-LPM模型构造等权重组合、最小方差组合和最大夏普比率组合,比较不同模型和不同投资组合的风险和收益率,实证结果表明构造中国与东盟五国股市投资组合与仅投资国内A股相比可以显著提高风险收益率。