基于熵補償?shù)腂lacK-Litterman模型的資產(chǎn)配置.pdf

1、隨著我國金融市場體制的不斷健全與完善，以投資基金為主的機構(gòu)投資者逐漸壯大，以期貨、期權和其他衍生品為代表的新興資產(chǎn)頻頻推出。與此同時，業(yè)界頻現(xiàn)“資產(chǎn)荒”怪象，優(yōu)質(zhì)適宜的大類資產(chǎn)難尋。供需錯配背景下，資產(chǎn)配置愈發(fā)受到投資者尤其是機構(gòu)投資者的青睞。動態(tài)調(diào)整大類資產(chǎn)中的配置占比，進行組合投資管理顯得尤為重要。
　　本文則試圖從理論研究和實汪研究兩方面著手探討資產(chǎn)配置問題。借助對資產(chǎn)配置有關概念的介紹，對以均值-方差模型、資本資產(chǎn)定價模型

2、、套利定價模型、有效市場理論及行為金融理論為主要代表的現(xiàn)代投資組合理論的梳理，提出本文所構(gòu)建的用于資產(chǎn)配置的Black-Litterman模型的基本框架。該模型采用Bayesian方法和逆最優(yōu)化理論，將投資者的主觀觀點融入到均衡資本市場中，便可求出后驗收益率向量和協(xié)方差矩陣。最后通過求解二次規(guī)劃問題，獲得最優(yōu)的資產(chǎn)配置權重。
　　基于Black-Litterman模型，采用時間序列AR-TGARCH模型和信息熵補償投資風險分析方法

3、，構(gòu)建優(yōu)化后的投資組合。實證分析表明，該模型較之其他投資組合模型，能夠獲得更高的收益，具有更強的應用性，為投資者的資產(chǎn)配置決策過程提供一個行之可鑒的思路。
　　本文主要創(chuàng)新性工作體現(xiàn)在:第一，根據(jù)歷史數(shù)據(jù)，利用AR-TGARCH模型預測收益率和波動率，作為模型的輸入變量，代替純粹意義上分析師的主觀決定，一定程度上解決了投資者觀點形成中缺乏數(shù)理嚴謹性弊端。第二，采用信息熵補償優(yōu)化投資風險，解決方差度量風險中的誤讀“偽風險”問題。第三