序列相关性在资产组合绩效改善中的作用

  均值-方差理论是资产组合领域的经典理论之一,由于参数估计的不确定性,均值-方差最优风险组合在样本外检验中绩效较差。因此,构建估计误差更小的估计值成为资产组合领域的重点问题,现有方法主要从改善期望收益、协方差和利用边际信息来减少估计误差。         研究证券收益间的序列相关性在改善投资组合样本外绩效的作用。首先,将序列相关性引入资产组合构建过程中,以改进均值-方差最优风险组合,利用向量自回归模型挖掘序列相关性,并对证券收益的期望收益估计进行改进,实证检验向量自回归模型是否能够提高资产组合的样本外绩效。其次,针对改进后的均值-方差组合绩效不稳定和换手率较高的缺点,利用收缩估计的思想联合均值改善组合和简单分散化组合,给出最优收缩强度的估计值,从理论和实证两个方面说明新提出的资产组合对资产组合绩效的改进效果。最后,在1997年至2015年中国A股市场的4组数据集上进行实证检验,比较14种投资组合的样本外绩效。         研究结果表明,序列相关性有助于改善股票组合的样本外绩效。①向量自回归模型预测值的均值-方差组合取得了比样本均值的均值-方差组合更好的样本外绩效,向量自回归模型预测值比历史样本均值更适合作为资产期望收益的估计值。②收缩估计组合在样本外框架中取得了更加稳健的结果,在所有的数据集上都取得了高于简单分散化组合的确定性等价收益,最优收缩强度估计值的分布情况也肯定了收缩估计方法在减少资产组合估计误差中的有效性。         向量自回归模型和收缩估计方法有助于市场参与主体更好地认识和分析参数不确定性的影响,对于缓解参数不确定性的影响、减少估计误差、提高投资者的效用具有一定的参考意义,更好地利用序列相关性得到显式解是未来可能的研究方向。     

不允许卖空情况下均值-方差和均值-VaR投资组合比较研究

文章提出了不允许卖空情况的均值-方差和均值-VaR两种投资组合模型,并运用不等式组的旋转算法或结合序列二次规划法进行求解.最后,以一个具体例子验证了上述算法的有效性.计算结果还表明,不允许卖空情况下,均值-VaR投资组合有效前沿为均值-方差投资组合有效前沿的子集;置信度越低,投资者越倾向于收益率大而风险也大的投资组合.     

投资组合再抽样方法及其在沪市A股的实证研究

由于经典均值-方差（Mean—Variance）模型对输入参数的变动非常敏感，输入参数的微小波动会造成最优化结果的巨大偏差。投资组合再抽样方法通过模拟输入参数以增加样本的信息量，能够大大降低MV模型对输入参数的敏感性。本文在对沪市A股10只股票进行再抽样方法及其改进研究中证明：在均值-方差分析中运用再抽样方法进行组合权重修正，能够取得更接近于真实有效边界的再抽样有效边界，是对均值—方差模型有效改进。     

动态均值-方差资产组合的有效性:时变风险容忍度视角

尽管均值-方差模型在静态资产组合优化过程中得到广泛运用并证明是有效的,但在动态情景下,均值-方差模型运用于动态资产组合优化过程中的有效性问题引起人们的质疑：一是常风险规避系数的设定不符合事实;二是投资者偏好设定不符合动态情景下的主流效用函数族。鉴于此,本文假设投资者风险容忍度是资产组合投资期与投资者期望收益率的函数,研究动态均值-方差资产组合的有效性问题。基于均值-方差分析框架构建时变风险容忍度下的动态资产组合模型;运用伊藤定理和拉格朗日乘子法获得最优资产组合封闭解;基于二次效用偏好下的动态资产组合,从资产组合策略、夏普率、确定性等价收益率和有效前沿等视角验证动态均值-方差资产组合策略和业绩,并予以实证。结果表明：动态均值-方差资产组合不但具有同等业绩而且体现了其灵活性和风险对冲价值;尽管动态均值-方差资产组合表现出高杠杆性,但其确定性等价收益率较高,且随投资期的增加呈现倒U型趋势;动态均值-方差资产组合的投资期效应显著,强于投资者期望收益率。研究指出,时变风险容忍度下的动态均值-方差资产组合管理和优化策略有效,但在短投资期（低于12个月）和（或）低期望收益率下并不适用。研究不但拓展了均值-方差模型在动态情境下的应用,而且体现了投资者源于心理和（或）其财富变化的投资行为调整。     

证券投资组合的相对极小极大方法

本文讨论了无概率假设的不确定性状态的投资组合问题.提出了不完全信息下证券投资组合的一种线性规则方法-相对极小极大方法,它是一种基于相对风险的度量方法.我们讨论了几种不完全信息下的情形,并提出了相应的投资组合相对极小极大分析原则.文中进一步阐述了相对极小极大方法与Markowitz的均值-方差方法和其它的方法之间的关系.     

基于斯坦规则和误差校正的组合预测模型

研究了基于斯坦规则估计和误差校正机制的组合预测方法和模型设定 .应用表明 ,利用斯坦规则结合非样本信息可以改善组合预测性能 ,采用误差校正形式的组合预测模型较之其它形式的组合预测模型具有更高的外推预测精度 ,建议的误差校正形式具有更高的精度和更广的适用性     

不允许卖空情况下均值-方差和均值-VaR投资组合比较研究

文章研究了不允许卖空情况的均值-方差和均值-VaR两种投资组合模型,并运用不等式组的旋转算法并结合序列二次规划法进行求解。最后,通过实证研究验证了上述算法的有效性。计算结果还表明,在不允许卖空情况下,均值-VaR投资组合的有效前沿为均值-方差投资组合有效前沿的子集;置信度越低,投资者越倾向于选择收益率大而风险也大的投资组合。     

风险资产组合的均值-WCVaR模糊投资组合优化模型

本文在均值-方差模型的框架下,建立了以Worst-Case VaR(WCVaR)代替方差作为风险测量指标的均值-WCVaR模型.同时,将对数型隶属函数引入到模型中,以证券组合期望收益率极大化和WCVaR极小化为目标,建立了对数型满意程度的模糊决策投资组合选择模型,更好地反映了投资者对目标值的取值意图.依据上海证券市场的实际数据,采用遗传算法进行了模拟计算,验证了模型的有效性.     

机会约束下的均值-VaR投资组合模型研究

本文在投资组合回报率服从正态分布的前提下,建立了具有投资机会约束的均值-VaR投资组合模型,讨论了模型最优解的存在唯一性,并得到了最优解的解析表达式;通过比较分析得出,具有投资机会约束的均值-方差投资组合模型只是本文讨论的模型的特款。     

基于β系数优化的动态投资组合策略研究

本文提出一种股票动态投资组合策略，首先通过上升和下降贝塔来优选行业，然后在选择的行业中构造股票投资组合。对于股票投资组合，利用均值方差投资组合模型作为内核，通过引入参考时间窗口和持有期限窗口两个外生参数构建动态的均值-方差模型，并实证检验了模型的可行性。然后再经过多项业绩评价指标对比分析得出动态投资组合策略的收益明显优于被动投资策略，这种动态投资组合策略能够获得部分超额收益并且具有更好的可靠性。本研究为投资者提供了一种定量的投资组合管理方法，并从侧面验证了我国股市的非有效性。