动态投资组合选择模型研究

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:crystalymd
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文运用运筹学、随机分析(鞅)、随机最优控制等方法研究动态投资组合选择问题,建立了两类动态投资组合选择模型——均值--下方风险模型和效用最大化模型。其中,均值--下方风险模型包括均值--下半绝对离差模型、均值--广义下半绝对离差模型及均值--受限期望损失模型;效用最大化模型包括受限期望损失约束下的效用最大化模型和有交易成本的效用最大化模型。理论和实证分析表明,本文所建立的动态投资组合选择模型有一定的实际意义,可应用于动态投资决策实践。 具体来说,本文的主要工作和研究成果有: 首先,在本文的第一章,综述性地介绍了现代金融风险的测度理论与方法及动态投资组合选择的常用方法。 其次,在本文的第二至第四章,建立了第一类动态投资组合选择模型——均值--下方风险模型。在第二章,在标准的Black-Scholes型金融市场下,建立了动态均值--下半绝对离差投资组合选择模型,研究了模型的求解方法,得到了最优投资组合策略和均值--下半绝对离差有效前沿的解析表达式,并通过实证分析说明了模型的求解方法。实证分析表明,均值--下半绝对离差模型明显地优于均值--方差模型:在相同的期望终端财富和投资组合策略下,标准差约是下半绝对离差的2至3倍。在第三章,在标准的Black-Scholes型金融市场下,建立了动态均值--广义下半绝对离差投资组合选择模型,得到了最优投资组合策略和均值--广义下半绝对离差有效前沿的解析表达式,并通过实证分析说明了模型的求解方法。实证分析表明,均值--广义下半绝对离差模型明显优于均值一下半绝对离差模型:在相同的期望终端财富和投资组合策略下,下半绝对离差约为广义下半绝对离差的4倍。由此可见,广义下半绝对离差是一种明显优于下半绝对离差的风险度量方法。在第四章,我们建立了动态均值--受限期望损失(Limited Expected Loss,LEL)投资组合选择模型。同样地,我们得到了最优投资组合策略和均值一LEL,有效前沿的显式表达式,并结合算例说明了模型的求解方法。算例表明,LEL风险度量法明显优于VaR方法:在相同的期望终端财富和投资组合策略下,VaR约是LEL的2至10倍。 最后,在本文的第五和第六章,建立了第二类动态投资组合选择模型——效用最大化模型。在第五章,建立了受限期望损失约束下最大化终端财富期望效用的投资组合选择模型。运用鞅和优化方法,得到了投资计划期内任意时刻投资者的最优财富和最优投资组合策略。另外,在对数效用函数下,得到了投资计划期内任意时刻投资者的最优财富和最优投资组合策略的显式表达式。在第六章,运用随机非奇异最优控制方法研究无限时间范围内有成比例交易成本的动态投资与消费问题。利用动态规划原理得到了与价值函数相关的Hamilton-Jacobi-Bellman(HJB)方程。在CARA指数效用函数下,利用价值函数的性质,得到了交易区和最优交易策略的显式表达式。
其他文献
本文以模糊逻辑系统为工具,把模糊逻辑系统、自适应控制、滑模控制、H∞控制等控制技术结合起来,研究了一类不确定非线性单输入单输出(SISO)及多输入多输出系统(MIMO)的容错
本文基于概率论和随机系统理论来研究电力系统在随机扰动下动态与暂态稳定性分析与稳定控制问题。通过系统地分析电力系统运行中几类随机干扰与状态扰动现象,如电网负荷随机波
图像处理技术在智能交通巾的应用研究,是智能交通系统的重要前沿研究领域之一,具有十分重要的理论意义和应用价值。图像处理技术在智能交通中主要有三个方面的应用领域,分别为基
模糊神经网络是模糊逻辑推理与神经网络有机结合的产物,是智能复合控制发展的必然趋势。它的学习算法是其理论与应用研究中最关键的一个方面。由于结构学习通常可以转化为参