论文部分内容阅读
组合投资理论最早由马柯维茨在1952年系统的提出。他建立的均值-方差模型为证券组合理论奠定了牢固的理论基础。CVaR是1999年由美国人Rockafellar和Uryasevd提出的，CVaR的概念基于VaR，这个概念一经提出便得到了广泛的应用和迅速的发展。尤其是因为它满足VaR所不具备的一致性公理，于是得以在投资组合领域做为风险的度量得到广泛的应用。GARCH模型是一类用来模拟金融序列波动性的模型，它能够灵活的刻划金融时间序列的波动性，在计量经济学领域得到广泛的使用。
均值-方差模型意义简单，容易理解，至今还被广泛使用。但是它有几个很大的缺点：首先，方差的概念过于抽象，方差所代表的损失到底有多大并不明确；第二，均值-方差模型的求解计算繁杂，由N只股票组成的投资组合要计算2N+N(N-1)/2个估计值，在计算完协方差后，还要解决由方差矩阵产生的大型二次规划问题；第三，均值-方差模型假设证券收益率服从正态分布，而实际上收益率往往不服从正态分布；第四，均值-方差模型中对正负波动的平等处理有违投资者对风险的真实感受。为了解决这一问题，使用均值.方差模型的收益-风险框架，学者建立了均值-CVaR模型，使用CVaR做风险的度量。模型所解决的问题就是求出在一定置信水平下，以令CVaR最小为目标函数，求解收益率最大时的投资组合分配。但是，本文认为，使用收益率平均值做为收益的期望是不合理的，原因主要有：第一，以均值做为收益期望，包含了收益率服从正态分布的假设，而收益率往往是不服从正态分布的；第二，在金融时间序列中，收益率概率分布不仅具有”尖峰厚尾”特性，还常常有着波动聚集性和爆发性，表明其有着时变的异方差性，因此时间这一元素是应该被考虑到期望的计算中的。为解决这一问题，本文考虑使用GARCH模型来对资产的收益率进行估计，使用模型估计所得的收益率期望值来做为均值-CVaR模型中收益的度量。
文章使用了实证的方法来研究这一模型。首先从深市股票中选择10支满足arch检验的个股做为样本，使用2004年9月1日至2010年5月6日共1380天的收盘价计算出1379×10个日收益率数据，分析其收益率分布特点，以其中一支个股为例，检验其收益率序列是否是正态分布，并对其做自相关检验以判断其是否有异方差性。然后分别使用GARCH(1，1)-N、GARCH(1，1)-t、EGARCH(1，1)-N、EGARCH(1，1)-t、GJR(1，1)-N和GJR(1，1)-t这6个模型来对10支个股的日收益率分布进行拟合，消除金融序列的异方差性，然后估计出每只个股在相应GARCH模型下的期望收益率。将得到的期望收益率序列代入到均值-CVaR模型中，对投资组合进行优化。得到0.95和0.99两个置信水平下的均值-CVaR有效前沿，对所得结果进行进一步的对比和比较，研究不同的分布和GARCH模型对于均值-CVaR模型的改进有何区别。文章的结论是GJR(1，1)-N和EGARCH(1，1)-N模型能够很好的重现历史数据。GARCH(1，1)-N模型是一个相对保守的模型，三种基于t分布的GARCH模型的结果完全相同，GARCH-t类模型对于风险和收益都有高估的趋势。对于能够承受较高风险的投资者来说是一个比较推荐的参考模型。本文的功能实现使用了Matlab，PortfolioSafeguard(PSG)，Excel和VBA。