共查询到15条相似文献,搜索用时 889 毫秒
1.
一般M-V模型中的有效证券组合及无套利分析 总被引:1,自引:0,他引:1
本文研究了协方差阵奇异时一般M-V模型中的有效证券组合, 得到了证券市场存在有效证券组合的充要条件, 并给出了有效证券组合的通解和有效前沿的性质. 最后, 本文还在奇异协方差阵下进行了无套利分析, 得到了证券市场无套利的充要条件, 从而证明了Szeg\"{o}的猜想. 相似文献
2.
3.
本文在奇异协方差阵下研究了证券组合有效子集的统计推断,得到了有效子集的一些新的判定条件,并导出了相应的检验统计量及其渐近性质,同时通过对有效子集假设检验问题及其检验统计量进行分解,本文还给出了相关检验统计量的一些经济含义.最后,为验证本文结果,我们还给出了一些随机模拟和实证分析的例子. 相似文献
4.
随着金融资产种类的增加,特别是考虑大规模投资组合问题时,很可能出现资产间的多重共线性或相关性,从而出现协方差阵奇异的情况。然而,目前关于投资组合的均值—方差分析大都是在协方差阵正定的条件下得到的,因此,不适用于奇异协方差阵的情形。针对这一问题,利用广义逆矩阵研究了协方差阵奇异时的均值—方差投资组合模型,在不同借贷利率条件下得到了前沿组合和组合前沿的解析解,突破了传统方法中要求协方差阵可逆的限制,推广了经典Markowitz模型。 相似文献
5.
多维金融高频协方差阵预测模型的比较分析 总被引:1,自引:0,他引:1
刘丽萍 《数学的实践与认识》2014,(12)
现代投资组合理论大部分是从组合风险控制的角度展开,协方差矩阵扮演着非常重要的角色.将高频协方差阵应用在投资组合或风险管理时,就需要考虑采用何种预测模型来对高频协方差阵进行预测,较好的预测模型能够更加准确的对资产的波动性进行预测.高频协方差阵预测模型的建立较为复杂,目前还没有一种广泛被认可的模型.采用MCS检验法来选择最优的预测模型,研究发现高频协方差阵预测模型LOG-HAR模型在所有的损失函数下预测能力最好,并且高频协方差阵预测模型的预测能力要优于低频协方差阵预测模型. 相似文献
6.
本文较为详细地讨论了当证券市场不存在无风险收益证券且允许卖空时证券数的增加对 M-V证券组合有效边缘及其特征的影响 ,给出了有效边缘、渐近线斜率、全局最小方差证券组合及其协方差、最小方差证券组合的投资权数等的变化模式 相似文献
7.
刘丽萍 《数学的实践与认识》2018,(3)
多维资产的协方差阵在投资组合中扮演着重要角色,如何估计和预测资产的协方差阵是统计领域的一大热点问题.将基于高频数据的已实现协方差阵(RCOV)和双频已实现协方差阵(TSCOV)应用到BEKK模型的估计过程中,提出了考虑高频数据影响的BEKK-RCOV和BEKK-TSCOV模型,这两类模型将高频数据引入到协方差阵估计过程中的同时,还可以对协方差阵直接进行预测,避免了预测模型的选择困难问题,并且提高了协方差阵的估计效率.通过实证研究发现:BEKK-RCOV和BEKK-TSCOV模型估计和预测效果明显优于BEKK模型,将其应用在投资组合时,使投资者获得了更高的收益. 相似文献
8.
证券数增加情形下证券组合有效边缘特征灵敏度分析 总被引:4,自引:0,他引:4
本较为详细地讨论了当证券市场不存在无风险收益证券且允许卖空时证券数的增加对M-V证券组合有效边缘及其特征的影响,给出了有效边缘、渐近线斜率、全局最小方差证券组合及其协方差、最小方差证券组合的投资权数等的变化模式。 相似文献
9.
10.
11.
投资比例非负约束的风险证券组合有效集及动态分析 总被引:1,自引:1,他引:0
本文提出了风险证券有效组合的决策模型 ,给出了投资比例非负约束的风险证券有效组合的解析表示 ,研究了证券个数变动对证券组合有效集的影响 .分析了它的漂移方向和漂移范围 ,给出了最小风险有效证券组合和最大收益有效证券组合的漂移距离及风险与收益的增加或减少程度 相似文献
12.
关于证券投资组合有效前沿的分析 总被引:2,自引:0,他引:2
针对 Markwitz证券组合投资理论进行了阐述即投资者进行决策时总希望用尽可能小的风险获得尽可能大的收益 ,或在收益率一定的情况下 ,尽可能降低风险 .首先详细的讨论了在投资于两种证券情况下随着相关系数的变化而引起的投资组合有效前沿的不同情况 ,而后针对投资于 n种证券情况下综合分析了允许卖空条件下证券组合前沿的构成和性质 . 相似文献
13.
本文在对证券组合选择有效子集的分类基础上,给出一个证券组合选择有效子集的搜索方法-逐个别法,并证明了它的有效性. 相似文献
14.
研究了非正定方差阵下,证券组合投资模型的最优投资比例系数的计算,有效边界,冗余证券的数量以及套利机会.从而为实证分析提供了理论依据和方法. 相似文献
15.
The purpose of this paper is to discuss the relationship between the number of securities which constitute an efficient portfolio as defined by the standard mean-variance portfolio selection model and the number of periods used to compute the efficient portfolio. It is shown that the number of data gives the upper bound of the number of securities which constitute an efficient portfolio, when each efficient portfolio is unique for a given expected return. Empirical tests based on actual return data show that this upper bound is very tight when the number of data is small. However, when more data are used, the upper bound becomes looser. This result is incompatible with the market efficiency. These empirical tests also indicate that a very tight upper bound often causes a degenerate case ensuring zero-variance portfolios. 相似文献