参数不确定性对投资者最优资产组合的影响：基于中国的实证

现代金融学主要目标是给出具有科学依据的投资建议。这一任务对于投资期限较短的投资者已完成,但对面临时变性投资机会的长期投资者,金融学家还不能给出高精度的投资建议。文章考虑投资者自身预测力存在估计误差的感知风险(参数不确定性)对投资者最优资产组合选择问题的影响。运用我国资本市场数据的实证研究表明:忽略参数不确定性对资产组合选择问题的影响将会误导投资者配置过多的风险资产。     

基于信息更新的动态资产组合选择

本文研究了不完全信息下风险资产收益前两阶矩的参数不确定性对动态资产组合选择的影响。首先,在连续时间下假设资产价格服从随机扩散过程,引入参数不确定性,运用随机控制方法推导出风险资产最优选择的封闭解,给出定性分析。其次,在离散时间下用一阶自回归模型描述风险资产收益动态,基于贝叶斯分析框架,以上证综合指数不同区间段的两个样本做实证研究。结果表明,当投资者的风险规避程度大于(小于)对数效用时,参数不确定性将导致负(正)的投资期效应;当投资者在估计过程中运用较多的历史数据、或者风险规避程度增加时,参数不确定性的影响将减弱;参数不确定性下的资产组合选择可解释风险溢价之迷。研究说明了在动态资产组合选择过程中应考虑参数不确定性问题。     

长期投资者收益可预测条件下战略资产配置决策:——理论与中国实证

本文研究了资产收益可预测性影响长期投资者最优资产组合选择的理论问题,并结合中国证券市场历史数据做了相应的实证研究。研究结论表明:在长期投资期限下中国股票市场收益具有可预测性,长期投资者资产组合可以比短期投资者配置更高权重的风险资产。由此本文提出,可相应提高我国社保基金、企业年金和保险公司等长期投资者战略资产配置中股票类风险资产的投资比例上限。     

状态变化和学习行为下的最优资产组合选择

针对金融资产收益率序列的非线性动态变化和投资者参数确定的传统假设,考虑状态变化的最优资产组合选择以及参数不确定性下投资者学习行为对最优资产组合选择的影响,运用马尔科夫机制转换模型刻画市场状态变化,采用贝叶斯学习准则描述投资者的学习行为,建立状态变化和投资者学习行为下资产组合选择的离散时间模型,使用期望最大化算法和动态最优化方法给出模型的参数估计,使用蒙特卡罗方法模拟投资者的资产组合选择行为.研究结果表明,中国金融市场存在明显的结构性动态变化,可以将市场分为牛市和熊市.在短期,当市场处于熊市时,投资者将全部财富投资于债券,不投资于股票,但市场处于牛市时股票的投资比重会大大增加;在长期,牛、熊市下股票和债券的权重会稳定在某个水平.市场状态的不确定性造成投资者产生对冲不确定性风险的需求,当市场向好时,投资者学习行为导致其投资于更多的风险资产;当市场状态无法确定时,投资者对股票的投资更为谨慎.考虑市场状态变化的投资组合选择能够提高投资者的总体效用.     

参数不确定性和效用最大化下的动态投资组合选择

标准投资组合选择理论假设投资者准确地知道与资产收益率相关的各种参数(例如均值和方差),忽视了参数不确定性引致的估计风险给投资决策带来的影响.本文研究引入参数不确定和学习时的连续时间动态投资组合选择问题,使用鞅方法求导出了具有CRRA型效用函数的投资者的最优投资策略的显式表达式.在此基础上,我们结合中国证券市场中的实际数据深入分析了参数不确定性以及投资者初始信念对最优投资策略的影响.     

稳健的动态资产组合模型研究

事件风险与参数的不确定性对金融决策有重大的影响,投资者担心股市上极端金融事件的出现,突然改变股票价格和波动率,造成较大的损失.通过引入风险规避的稳健投资者以及模型设定可能存在误差,投资者在最小化模型设定误差的前提下,制定风险资产收益跳跃情况下的动态资产组合战略,最大化投资者的效用.结果表明,当投资者是风险规避和不确定性规避者时,稳健的投资准则会显著降低他们对风险资产的需求.     

资产配置中投资者风险偏好的量化——兼论长短期风险偏好的关联

投资者风险偏好的量化是资产配置决策的关键步骤之一。常见的量化指标是风险厌恶系数,由于其取值较难确定,现代投资组合理论中也常用投资者最大可承受标准差对投资者的风险偏好进行衡量。文章介绍了获取风险厌恶系数的一种有效方法,一定程度上解决了资产配置中风险厌恶系数取值难的问题,并首次提出了以最大可承受标准差作为风险约束的时变性问题,有助于资产配置理论与实践的有机结合。在此基础上,考虑到资产配置的投资期限通常较长,本文对长短期风险厌恶系数之间的关联进行了研究。     

均值-方差模型具有一般不确定性下的最优资产组合选择

引入以记忆系数和无差异系数表征的随机变量测度均值-方差模型的一般不确定性特征,反映投资者的模型信任程度,研究均值-方差模型具有一般不确定性下的最优资产组合选择问题。基于资本市场线理论,构建最优资产组合选择是模型信任程度和基于均值-方差模型的传统资产组合选择的线性函数;基于记忆系数和无差异系数的不同组合,运用基于事例推理的方法求解二次效用投资者的最优模型信任程度,获得均值-方差模型具有一般不确定性下的最优资产组合,并以上证综指1997年1月-2014年8月的月度收益数据形成两个研究样本予以实证比较研究。结果表明,较大风险规避投资者,在较大记忆系数和较小无差异系数下,其模型信任程度调整较快、资产组合调整幅度大,表现出可获得性和代表性行为偏差,通常采取积极资产组合策略;反之,其模型信任程度调整渐进、资产组合调整幅度小,表现出锚定性和保守性行为偏差,通常采取消极资产组合策略;模型一般不确定性对最优资产组合选择的影响强于股票市场记忆性的影响。研究体现了投资者的有限理性,将传统的资产组合选择问题延伸至行为金融学领域。     

基于通货膨胀和风险偏好视角的资产配置研究

不确定条件下的资产配置问题无论对于学术研究还是投资行为都具有重大的理论和实际意义。本文选取广义范围上的现金、股票、债券作为投资者进行资产配置的产品,在CRRA(Constant Relative Risk Aversion)和HARA(Hyperbolic Absolute Risk Aversion)两种偏好假设下,分别求出了投资者效用最大化时的最优财富以及最优资产组合中各资产的权重,并比较分析了两种偏好假设下通货膨胀、风险偏好、投资期限三种因素对资产配置的影响。研究结论表明:通货膨胀会影响股票和债券的风险溢价,进而影响最优资产组合中各资产的权重;股票的权重不会受投资期限的影响,在通货膨胀率和风险偏好不变时,其值始终为一常数,但债券和现金的权重则由投资期限、通货膨胀和风险偏好共同决定;此外,在CRRA和HARA偏好假设下,以上三种因素对资产配置的影响存在较大差异,特别是在HARA框架下存在买空行为。     

金融网络风险下多因子矩阵回归的资产组合与定价

本文从企业的股权、债权关系出发,基于违约距离构建无向图网络,分析了不确定性风险以网络形式进行传染、溢出和蔓延等现象,通过最小生成树的稀疏网络优化方法最大限度降低资产组合的非线性风险影响。站在资源配置的角度,利用稀疏聚类算法深入挖掘资产特征和捕捉其间的相依关系,采用多目标、多指数的稳健矩阵回归策略动态跟踪市场趋势,并通过自适应权重学习策略对网络风险叠加影响下的资产组合进行选择和配置,最终获得最小生成树风险下投资组合的稀疏聚类优化策略,进一步扩充了资产定价多因子模型。研究发现多目标矩阵回归的稀疏聚类投资组合,不仅对组合内投资标的进行了选择性舍弃,使资金能够集中配置于优质资产,更有助于通过最小生成树减缓甚至切断风险在网络中的传播,有效降低了资产之间风险的传染性。基于金融网络的风险分析方法不仅有效地刻画了风险以网络方式互相传染、互相影响、互相强化的非线性叠加效应,而且通过资产之间配置系数的压缩变换和最小生成树的优化方式,最小化最坏情形下风险传染的影响,对复杂网络环境下的资产配置和全面风险管理进行了有益补充,为长期投资基金获得风险和收益更为均衡的资产配置,提供了合意的投资策略和决策依据。