投资组合策略的有效性检验:基于中国市场的实证分析

本文针对中国股票市场的实际特点,对几种典型的投资策略进行了分析比较。本研究选取不同类型的数据库作为研究对象,截取出不同时间段的数据用以检验各种投资策略在各种投资背景下的表现。检验结果表明,对于行业层面的投资而言,基于数量化模型的优化策略总体表现较好;但在个股层面,市场组合策略的总体表现较好。此外,当资产数目较大时,简单的1/N平均投资策略在个股层面的投资表现也较为突出。而在股市行情处于单一的牛市或熊市的情形下,基于数量化模型的优化策略的表现比它们在长期平均行情下的表现更好。本文初步探析了这些现象背后的原因。这些结果表明策略类型的选择、参数估计的样本选取是实际投资操作中不可忽视的环节。     

大数据背景下多重抽样框方法探讨

当前所获取的大数据并非都是总体数据,通常未能完全覆盖总体,因其多源异构的特性,致使传统的数据分析方法受阻。文章将抽样调查方法引入到大数据中,对大数据背景下应用多重抽样框的必要性进行剖析,并主要针对大数据中数据多源异构的难点,将每个来源数据作为一个抽样框进行处理,提出了大数据中多重抽样框的构建。进而根据大数据的数据特征进行分类,针对不同情况确定是否需要进行分阶段抽样设计,并提出运用SF估计量对基于多重抽样框的总体进行估计,此估计量较为符合大数据中多重抽样估计的需求,并能对总体有较好的估计。     

空间抽样中最优单元尺寸确定方法研究

在依据空间区域抽样框进行抽样设计中,抽样单元尺寸的大小影响着估计精度和调查成本,依据主观经验划分单元尺寸会对抽样精度和成本带来很大影响。基于单元尺寸、调查成本等影响因素,构造考虑空间抽样的交通、设计和调查的成本函数,给出成本约束下总体总量有效估计的最优单元尺寸的确定方法。以陕西省GDP的总量估计为例进行了实证研究,结果表明:在成本约束下,基于最优单元尺寸的抽样框相比于其它尺寸抽样框的样本方差较小,具有较高抽样估计精度。     

现实约束下多阶段模糊投资组合的时间一致性策略研究

考虑交易成本约束、借款约束、阈值约束、收益需求约束和基数约束,本文提出多阶段均值—标准下半方差模糊投资组合模型并讨论了该模型的时间一致性最优投资策略。具体如下：首先,基于可能性理论,将模型转化为非线性动态优化问题;由于标准半方差是不可离散的,模型的最优解不具有时间一致性。其次,为获得时间一致的最优投资策略,本文采用博弈论,将该模型转化为时间一致性动态优化问题,并运用离散近似迭代方法求解。最后,通过具体算例比较不同风险偏好系数、不同基数约束和不同借款约束的最优投资策略,以验证模型和算法的有效性。     

单因素方差分析中异方差的检验与修正

文章在单因素方差分析模型的基础上,通过散点图和方差齐性检验,判断模型中是否存在异方差性.如果存在异方差,进一步讨论异方差出现的原因及如何进行修正,使单因素方差分析在理论上更加完善.     

创业活动指数的哈特利估计量构造

文章讨论了“全球创业观察”研究项目中成年人调查所涉及到的一个方法论问题.该项目规定,可以用随机拨号电话抽样调查或面访抽样调查方法进行成年人调查以获取计算该项目核心指标全员创业活动指数所需要的数据.文章建议,假若进行随机拨号电话抽样调查,在当前固定电话和移动电话同时占领市场的条件下,同时从两个电话网抽样框抽取样本,应用哈特利估计量来估计总体的全员创业活动指数.讨论了怎样依据从手机抽样框获得的成年人个人逆抽样样本以及从固定电话抽样框获得的成年人群体逆抽样样本,运用哈特利估计量来构造全员创业活动指数估计量以及估计这个估计量的方差的详细过程.     

全国货运量预测与货运结构分析

货运量是典型的非线性数据,并且存在季节特性,基于此,文章根据全国货运季节波动规律,采用季节分解的方法对货运量数据进行分解,针对分解后数据特征建立SAO-LSSVM-MA模型进行预测,以2000年1月至2019年5月、2000年1月至2020年5月的数据作为训练集,2019年6月至11月和2020年6月至11月的数据作为测试集进行预测,并通过建立VAR模型进一步分析货运方式之间的动态关系。结果显示：所建模型精度明显高于LSSVM和ARIMA模型;公路货运量对民航货运量、水路货运量、铁路货运量影响都较大,四种货运方式之间不仅存在拉动作用,还存在竞争关系。     

平稳阈值自回归下的伪回归研究

 研究表明相互独立的平稳阈值自回归(TAR)模型之间的回归存在伪回归,且伪回归的产生与样本容量和随机干扰项的分布无关。通过一系列的MC模拟,不仅证实了理论结论,而且模拟结果还表明当持久性相同时,两机制TAR回归模型比三机制TAR回归模型具有更大的拒绝率,原因在于两机制TAR下,OLS法估计得到的标准误具有更厚的左尾。此外在模拟中也发现当随机干扰项服从TAR模型时,Newey-West(1987)的一致异方差估计法是不适用的。     

重权数在复杂调查的方差估计中的应用

 方差估计是抽样调查的重要组成部分,重抽样方法是常用的方差估计方法。重权数方法与重抽样方法类似,也是利用计算机的优势通过重复获得大量不同的子样本的重权数估计目标参数的估计量和方差估计量,是一种稳健、通用、有效的方差估计方法。本文主要介绍重权数在复杂抽样调查的方差计算中的理论和应用。     

PPS抽样中方差估计的刀切法

刀切法的研究是沿着两个不同的思路进行的:(1)应用于减少偏倚;(2)应用于方差估计.本文讨论了刀切法在PPS抽样方差估计中的应用,得到了E{v(^/θ)}是Y^方差的无偏估计.