证券投资组合的CEVaR模型研究

论文摘要

证券市场是一个高风险市场。为了分散风险并获得最大收益,许多投资者将多种证券组合在一起进行投资,使得证券投资组合的研究成为金融界面临的重要课题之一。Markowitz以证券收益率的方差作为组合证券风险的度量,开辟了金融定量分析的时代,在度量风险的基础上建立了组合投资决策模型。证券投资风险常用的度量方式主要是投资收益率的方差或值。但是随着研究的深入,人们发现常用的风险度量指标存在很大的缺陷,为了克服现有的理论的不足,理论界进行了广泛的研究,但是到现在还没有一种广泛有效的度量风险的方法。本文正是在此背景下提出了证券投资组合的CEVaR模型。本文首先分析了证券投资组合的熵风险度量和CVaR风险度量的理论特征。基于熵的度量不确定性的本质及CVaR的优点,并研究它们在证券投资组合领域的应用,得出在证券投资组合研究中将它们替代方差风险度量的合理性。在此基础上,本文建立了证券投资组合的CEVaR模型,并在模型中引入了边际CVaR和成分CVaR的概念。将CEVaR模型与熵优化模型和CVaR模型进行比较,分析了它们各自的理论特征。CEVaR模型避免以上两个模型的缺陷,有以下优点:(1)考虑证券内在之间的相关性及证券市场的动态性,以熵函数为目标函数,使投资者尽量在各期的收益保持平稳。(2)整个模型是一个动态的过程,投资者不仅可以通过模型结果了解投资组合的整体风险情况,还能了解构成组合的每一项资产及其相应调整、变化对组合整体风险影响。这有助于投资者识别全部风险暴露中风险的重要来源,为改进整体风险状况提供了重要机会。(3)模型计算简单,又避免了大量协方差的计算量。并且不要求收益率服从特定的分布(一般要求正态分布)。最后,利用Matlab软件作为工具,以上证50指数中的十只较有代表性的股票的投资决策进行了实证分析,运用CEVaR模型,根据投资者的风险偏好计算出适当的证券投资组合比例进行组合优化。分析结果表明:利用CEVaR模型进行的证券优化组合要优于熵优化模型和CVaR模型,使用该模型可以有效地指导投资者进行证券组合。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究目的与意义
• 1.2.1 研究目的
• 1.2.2 研究意义
• 1.3 文献综述
• 1.3.1 证券投资组合理论国外研究现状
• 1.3.2 证券投资组合理论国内研究现状
• 1.3.3 对国内外研究现状的评价
• 1.4 研究的内容和结构
• 第2章 证券投资组合理论概述
• 2.1 证券投资组合理论及组合管理的必要性
• 2.1.1 证券投资组合的含义
• 2.1.2 证券投资组合的意义和必要性
• 2.2 证券投资组合的收益与风险分析
• 2.2.1 证券投资组合的收益
• 2.2.2 证券投资组合的风险
• 2.2.3 证券投资的风险分析
• 2.2.4 证券相关性与投资组合的风险
• 2.3 证券组合的类型
• 2.3.1 证券组合的基本类型
• 2.3.2 证券分散化的类型
• 2.4 本章小结
• 第3章 CEVaR风险度量的理论建构
• 3.1 证券投资组合的熵风险度量
• 3.1.1 证券投资组合中熵风险度量的引入
• 3.1.2 证券投资组合的熵风险度量的特性
• 3.1.3 最大熵原理
• 3.2 证券投资组合的CVaR风险度量
• 3.2.1 VaR在证券投资组合应用中的缺陷
• 3.2.2 证券投资组合的CVaR风险度量的引入
• 3.2.3 证券投资组合的CVaR风险度量的优越性
• 3.3 CEVaR风险度量方法的提出
• 3.4 本章小结
• 第4章 证券投资组合的CEVaR模型建立
• 4.1 证券投资组合的熵优化模型
• 4.1.1 引入熵作为模型风险度量的合理性
• 4.1.2 模型的假设
• 4.1.3 熵优化模型
• 4.2 基于CVaR的证券投资组合模型
• 4.2.1 正态分布下的CVaR计算
• 4.2.2 CVaR限制下的风险模型
• 4.3 证券投资组合的CEVaR模型
• 4.3.1 模型参数假设
• 4.3.2 CEVaR模型的建立过程
• 4.4 几个模型的理论特征比较分析
• 4.5 本章小结
• 第5章 CEVaR模型在证券投资组合中的实证研究
• 5.1 数据的选取与处理
• 5.1.1 样本股的选取与数据的说明
• 5.1.2 数据的处理
• 5.2 几个模型的计算分析
• 5.2.1 熵优化模型计算分析
• 5.2.2 CVaR限制下的风险模型计算分析
• 5.2.3 CEVaR模型计算分析
• 5.3 结果的分析与比较
• 5.4 本章小结
• 结论
• 参考文献
• 附录
• 攻读学位期间发表的学术论文
• 致谢