版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、資產(chǎn)配置是投資決策的首要環(huán)節(jié),并對(duì)投資績(jī)效產(chǎn)生最為重要的影響。但是,資產(chǎn)配置研究困難很大。一方面,資產(chǎn)的風(fēng)險(xiǎn)收益特征眾說(shuō)紛紜,而不同的資產(chǎn)收益生成過(guò)程下的資產(chǎn)配置結(jié)果差異很大。另一方面,投資者擁有的關(guān)于資產(chǎn)收益生成過(guò)程形式和參數(shù)的信息是不完全,如果忽視參數(shù)不確定和模型不確定,會(huì)導(dǎo)致投資決策處于次優(yōu)狀態(tài)。本文針對(duì)這兩大難題,建立離散時(shí)間下非參數(shù)貝葉斯靜態(tài)資產(chǎn)配置的分析框架。
針對(duì)風(fēng)險(xiǎn)資產(chǎn)收益率分布不確定和金融市場(chǎng)市場(chǎng)狀態(tài)不確定,
2、將Dirichlet過(guò)程的擴(kuò)展形式Dirichlet過(guò)程混合模型和分層Dirichlet過(guò)程隱馬爾可夫模型引入風(fēng)險(xiǎn)資產(chǎn)收益隨機(jī)波動(dòng)率模型,從理論上研究了擁有不完全信息的投資者的靜態(tài)資產(chǎn)配置問(wèn)題。用MCMC方法推斷隨機(jī)波動(dòng)率模型,再用MonteCarlo方法從預(yù)測(cè)分布中抽樣近似得到資產(chǎn)配置問(wèn)題的最優(yōu)解。
用Dirichlet過(guò)程混合正態(tài)模型描述風(fēng)險(xiǎn)資產(chǎn)隨機(jī)波動(dòng)率模型測(cè)量方程擾動(dòng)項(xiàng)的分布,建立Dirichlet過(guò)程混合隨機(jī)波動(dòng)率模
3、型,用MCMC方法推斷該模型,推導(dǎo)了多期收益率預(yù)測(cè)值函數(shù)期望值的計(jì)算方法,并用該方法求解相應(yīng)的資產(chǎn)配置問(wèn)題。以中國(guó)金融市場(chǎng)數(shù)據(jù)使用模擬方法分析了不同投資期期望效用最大化的投資者在Dirichlet過(guò)程混合隨機(jī)波動(dòng)率模型下的貝葉斯最優(yōu)資產(chǎn)配置。研究結(jié)論表明,相對(duì)于參數(shù)隨機(jī)波動(dòng)率模型來(lái)說(shuō),最優(yōu)風(fēng)險(xiǎn)資產(chǎn)配置比例整體出現(xiàn)下移,同時(shí)隨著投資期限的增加,風(fēng)險(xiǎn)資產(chǎn)比重呈下降趨勢(shì)。引入Dirichlet過(guò)程描述分布不確定后,投資者對(duì)風(fēng)險(xiǎn)資產(chǎn)收益率的分布
4、預(yù)測(cè)包含了與之對(duì)應(yīng)的新的額外不確定性,而且隨投資期限的增長(zhǎng)而加大。效用成本的計(jì)算表明,對(duì)于極度厭惡風(fēng)險(xiǎn)的投資者來(lái)說(shuō),極度厭惡風(fēng)險(xiǎn)的2.5年投資期的投資者忽略分布不確定導(dǎo)致的效用損失約為1.7%。
金融市場(chǎng)存在結(jié)構(gòu)變換的特征,為此進(jìn)一步將分層Dirichlet過(guò)程隱馬爾可夫轉(zhuǎn)換模型引入Dirichlet過(guò)程混合隨機(jī)波動(dòng)率模型,建立分層Dirichlet過(guò)程狀態(tài)轉(zhuǎn)換隨機(jī)波動(dòng)率模型,用MCMC方法分析了模型的推斷,然后求解相應(yīng)的資產(chǎn)
5、配置問(wèn)題。研究結(jié)論表明,相對(duì)于參數(shù)SV模型來(lái)說(shuō),最優(yōu)風(fēng)險(xiǎn)資產(chǎn)配置比例整體出現(xiàn)下移,同時(shí)隨著投資期限的增加,風(fēng)險(xiǎn)資產(chǎn)比重呈下降趨勢(shì),但整體下移的幅度小于Dirichlet過(guò)程混合隨機(jī)波動(dòng)率模型下的風(fēng)險(xiǎn)資產(chǎn)配置。引入Dirichlet過(guò)程描述市場(chǎng)狀態(tài)的不確定性后,投資者為了規(guī)避狀態(tài)不確定性,產(chǎn)生對(duì)風(fēng)險(xiǎn)資產(chǎn)的對(duì)沖需求。效用成本的計(jì)算表明,對(duì)于極度厭惡風(fēng)險(xiǎn)的2.5年投資期的投資者來(lái)說(shuō),忽略市場(chǎng)狀態(tài)的不確定性和分布不確定導(dǎo)致的效用損失約為2.2%
6、。
進(jìn)一步的,投資者會(huì)以戰(zhàn)略資產(chǎn)配置為基準(zhǔn),在不同市場(chǎng)條件下及時(shí)調(diào)整資產(chǎn)配置比例,以獲取更高的收益。建立投資機(jī)會(huì)集為分層Dirichlet過(guò)程狀態(tài)轉(zhuǎn)換隨機(jī)波動(dòng)率模型下的波動(dòng)擇時(shí)決策,并應(yīng)用于2006年3月末至2011年6月末共21個(gè)季度的資產(chǎn)配置。與開(kāi)放式基金資產(chǎn)配置帶來(lái)的財(cái)富變動(dòng)比較顯示,隨機(jī)波動(dòng)率模型下的波動(dòng)擇時(shí)能改進(jìn)基金資產(chǎn)配置的績(jī)效,而考慮了投資機(jī)會(huì)集分布不確定性的分層Dirichlet過(guò)程狀態(tài)轉(zhuǎn)換隨機(jī)波動(dòng)率模型下的波
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于非參數(shù)貝葉斯方法的情感主題模型構(gòu)建.pdf
- 基于非參數(shù)貝葉斯字典學(xué)習(xí)的丟失數(shù)據(jù)插值方法研究.pdf
- 基準(zhǔn)劑量估計(jì)的非參數(shù)貝葉斯方法研究及應(yīng)用.pdf
- 基于數(shù)據(jù)增廣技術(shù)的非參數(shù)貝葉斯分類(lèi)模型研究.pdf
- 基于貝葉斯方法的多響應(yīng)穩(wěn)健參數(shù)設(shè)計(jì)研究.pdf
- 貝葉斯網(wǎng)絡(luò)參數(shù)遷移學(xué)習(xí)方法.pdf
- 基于非參數(shù)貝葉斯學(xué)習(xí)的多語(yǔ)言人名音譯研究.pdf
- 基于貝葉斯理論的AVO地震參數(shù)疊前反演方法研究.pdf
- 基于貝葉斯方法的分類(lèi)問(wèn)題研究.pdf
- 基于貝葉斯方法的演化博弈研究.pdf
- 參數(shù)的經(jīng)驗(yàn)貝葉斯估計(jì)問(wèn)題.pdf
- 15 貝葉斯決策方法
- 基于貝葉斯方法的大腦網(wǎng)絡(luò)分析.pdf
- 基于貝葉斯網(wǎng)絡(luò)方法的客戶忠誠(chéng)研究.pdf
- 基于貝葉斯框架的壓縮傳感方法研究.pdf
- 基于貝葉斯方法的缺失數(shù)據(jù)補(bǔ)全研究.pdf
- 基于貝葉斯理論MCMC優(yōu)化參數(shù)的負(fù)荷預(yù)測(cè)模型.pdf
- 非高斯SV模型的貝葉斯估計(jì).pdf
- 基于貝葉斯的期權(quán)定價(jià)方法及實(shí)證.pdf
- 基于貝葉斯方法的有限混合模型選擇.pdf
評(píng)論
0/150
提交評(píng)論