基于極值理論的金融資產(chǎn)配置研究.pdf_第1頁
已閱讀1頁,還剩169頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,頻繁爆發(fā)的金融危機給眾多投資者造成了巨大損失,如何抵御這種極端市場情形所造成的金融風險,已成為金融理論研究中的一個重要課題。分散化投資策略是管理風險的一種常用手段,極值理論是刻畫極端事件的有效工具。因此,本文致力于極值理論在分散化投資策略中的應(yīng)用研究,旨在構(gòu)建能夠抵御極端風險的資產(chǎn)配置模型。在深入研究極值理論和極值相關(guān)理論的基礎(chǔ)上,論文構(gòu)建了基于極值理論的資產(chǎn)配置模型,稱之為極值資產(chǎn)配置模型,并應(yīng)用成熟股票市場和新興股票市場中具

2、有代表性的股票指數(shù)對模型進行實證研究,最后把極值資產(chǎn)配置模型與均值方差模型相比較,驗證模型的有效性,結(jié)果表明極值資產(chǎn)配置模型具有抵御極端風險的能力。
   論文的主要內(nèi)容如下:
   1、回顧了資產(chǎn)配置理論和極值理論的相關(guān)文獻,重點介紹了極值理論及其在金融市場風險度量方面的應(yīng)用?;跇O值理論的市場風險度量模型主要有兩種:靜態(tài)模型和動態(tài)模型。靜態(tài)模型假設(shè)收益率數(shù)據(jù)獨立同分布;動態(tài)模型假設(shè)收益率數(shù)據(jù)具有自相關(guān)性和異方差性。<

3、br>   2、應(yīng)用蒙特卡洛模擬設(shè)計了一種定量化的閾值選取方法。閾值模型是極值理論的一個重要分支,由于閾值模型有效地使用了有限的極值數(shù)據(jù),已成為極值理論中應(yīng)用最廣泛的一個模型。閾值的選取是應(yīng)用閾值模型的關(guān)鍵,常用的閾值選取方法通過觀察圖形的形狀確定閾值,具有很強的主觀性。針對以上不足,論文應(yīng)用蒙特卡洛模擬設(shè)計了一種定量化的閾值選取方法,并以上證綜指和標普500指數(shù)為樣本,對該方法進行實證分析。實證結(jié)果表明,基于蒙特卡洛模擬的閾值選取方

4、法能夠有效地分割樣本數(shù)據(jù),確定合理的閾值。
   3、把基于極值理論的VaR估計模型與其他常用的估計模型進行實證對比分析。VaR是現(xiàn)階段度量金融風險的常用指標,一般用歷史模擬法、方差協(xié)方差方法、GARCH模型法、蒙特卡洛模擬法等估計VaR。論文應(yīng)用代表成熟市場的標普500指數(shù)和代表新興市場的上證綜指,對基于極值理論的VaR估計模型和其他常用模型進行實證研究,后驗測試表明,基于極值理論的靜態(tài)和動態(tài)模型都優(yōu)于其他模型,在高置信水平下

5、優(yōu)勢更加明顯。
   4、介紹相關(guān)性理論并對成熟股票市場和新興股票市場中具有代表性的股票指數(shù)之間的極值相關(guān)性進行實證研究。論文介紹了皮爾遜線性相關(guān)系數(shù)、秩相關(guān)、極值相關(guān)及Copula函數(shù)的定義、估計方法等,并分析了極值相關(guān)性與Copula函數(shù)之間的關(guān)系,實證研究了成熟股票市場和新興股票市場中具有代表性的股票指數(shù)之間的極值相關(guān)性,實證結(jié)果表明,本文測量的股票市場指數(shù)之間是漸進獨立的。
   5、應(yīng)用極值理論設(shè)計了旨在抵御極

6、端風險的資產(chǎn)配置模型,稱為極值資產(chǎn)配置模型。極端市場情形(如股市暴跌)造成的巨大損失,本文稱之為極端風險,用高置信水平(等于或大于99%)下的VaR和ES表示。在極端市場情境下,投資者通常只關(guān)心損失的大小,因此,本文不考慮投資收益的限制,只考慮極端風險,認為極端風險最小的投資組合就是最優(yōu)的投資組合。論文應(yīng)用極值理論和核估計方法擬合金融資產(chǎn)的損失分布,用正態(tài)Copula函數(shù)描述金融資產(chǎn)之間的相關(guān)性結(jié)構(gòu),構(gòu)筑了旨在抵御極端風險的資產(chǎn)配置模型

7、,并用成熟股票市場和新興股票市場中具有代表性的股票市場指數(shù)進行實證研究。
   6、結(jié)合傳統(tǒng)遺傳算法和模式搜索算法設(shè)計了求解資產(chǎn)配置模型的混合遺傳算法。基于VaR風險度量方法進行資產(chǎn)配置時,由于VaR的非凸性,可能存在很多局部最小解。傳統(tǒng)的優(yōu)化算法通常不能求得使VaR最小的全局最優(yōu)解或次優(yōu)解。傳統(tǒng)遺傳算法具有很強的全局搜索能力,但局部搜索能力不強,而模式搜索算法具有很強的局部搜索能力。據(jù)此,本文結(jié)合傳統(tǒng)遺傳算法和模式搜索算法設(shè)計

8、了求解資產(chǎn)配置模型的混合遺傳算法。實證結(jié)果表明,混合遺傳算法在資產(chǎn)選擇的應(yīng)用中能有效降低資產(chǎn)組合的風險,具有較高的可靠性。
   7、把極值資產(chǎn)配置模型與均值方差模型進行對比分析,驗證極值資產(chǎn)配置模型的有效性。從累計收益、夏普比率和日最大損失三個方面對比分析均值方差模型和極值資產(chǎn)配置模型。實證結(jié)果表明均值方差模型的累計收益能力優(yōu)于極值資產(chǎn)配置模型,但在單位風險獲利能力、抵御極端風險方面極值資產(chǎn)配置模型占優(yōu),表明了極值資產(chǎn)配置模型

9、在抵御極端風險方面的有效性,達到了設(shè)計模型的宗旨。
   論文的創(chuàng)新點如下:
   1、應(yīng)用蒙特卡洛模擬設(shè)計了定量化的閾值選取方法
   閾值模型是極值理論的一個主要分支,它的主要特點是對樣本中超過某一充分大的閾值的所有觀察值進行建模。由于閾值模型有效地使用了有限的極值數(shù)據(jù),而且形式簡單,便于計算,現(xiàn)已成為極值理論中應(yīng)用最廣泛的一個模型。閾值的選取是應(yīng)用閾值模型的關(guān)鍵,閾值選的過大或過小都會影響模型參數(shù)估計的準確

10、性?,F(xiàn)階段常用的閾值選取方法通過觀察圖形的形狀確定閾值,具有很強的主觀性。鑒于此,本文應(yīng)用蒙特卡洛模擬設(shè)計了一種定量化的閾值選取方法。實證分析表明,該方法能夠有效地分割樣本數(shù)據(jù),確定合理的閾值,閾值模型的參數(shù)估計結(jié)果相對穩(wěn)定。
   2、應(yīng)用極值理論和核估計方法設(shè)計了擬合資產(chǎn)損失分布的半?yún)?shù)方法
   在風險管理中,資產(chǎn)損失分布,尤其是尾部分布的合理假設(shè)是準確度量風險的前提。金融資產(chǎn)的損失序列一般具有尖峰厚尾的分布特征,

11、本文利用極值理論擬合損失序列的雙尾,利用核估計方法擬合損失序列的中部,設(shè)計了擬合損失分布的半?yún)?shù)方法。此方法結(jié)合了參數(shù)法和非參數(shù)方法的優(yōu)點,具有較強的適用性。
   3、應(yīng)用極值理論和Copula函數(shù)構(gòu)筑了旨在防范極端風險的資產(chǎn)配置模型
   在極端市場情境下,投資者往往只關(guān)心損失的大小,因此本文不考慮投資收益的限制,只考慮極端風險,認為極端風險最小的投資組合就是最優(yōu)的投資組合。本文應(yīng)用極值理論和Copula函數(shù)構(gòu)筑了旨

12、在防范極端風險的資產(chǎn)配置模型,并利用世界上主要股票市場指數(shù)進行實證分析,并把該模型與均值方差資產(chǎn)配置模型進行比較分析,驗證該模型的有效性,分析結(jié)果表明該模型具有抵御極端風險的能力。
   4、結(jié)合傳統(tǒng)遺傳算法和模式搜索算法設(shè)計了求解資產(chǎn)配置模型的混合遺傳算法
   金融資產(chǎn)損失往往不服從正態(tài)分布,VaR是離散的、非連續(xù)和非凸的,不滿足次可加性。以VaR作為風險度量指標的資產(chǎn)配置模型,可能存在很多局部的最小解,傳統(tǒng)的優(yōu)化算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論