基于R-Vine Copula模型的高維投資組合動(dòng)態(tài)優(yōu)化算法與實(shí)證研究.pdf

1、2013年阿里“余額寶”的問世，開啟了全民理財(cái)?shù)脑?，喚起了全民投資理財(cái)?shù)睦砟?，但隨著進(jìn)入2015年國(guó)內(nèi)貨幣市場(chǎng)資金面的寬松，各貨幣基金收益逐日下降，而A股市場(chǎng)卻迎來了春天，時(shí)隔多年牛市重啟，眾多缺乏經(jīng)驗(yàn)的投資者們紛紛涌入股市，一時(shí)各大券商柜臺(tái)開戶人滿為患，手機(jī)、網(wǎng)絡(luò)開戶也是24小時(shí)不休，隨著股市的節(jié)節(jié)攀升，日交易量、每周新增投資者屢屢創(chuàng)出歷史之最，但好景不長(zhǎng)，2015年6月中下旬開始，A股暴跌，眾多投資者們損失慘重。許多投資者紛紛抱怨

2、，牛市沒賺到幾個(gè)，熊市血本無歸。
　　那么投資者應(yīng)該采取怎樣的投資策略才能盡可能的規(guī)避這類事情呢？無疑，投資組合優(yōu)化是一大法寶。本文主要研究了基于R-Vine Copula-TGARCH模型和蒙特卡洛模擬技術(shù)的投資組合優(yōu)化算法，這對(duì)于部分有能力的個(gè)人投資者和機(jī)構(gòu)投資者而言可以有效借鑒本文算法進(jìn)行投資組合管理，對(duì)于市場(chǎng)中介服務(wù)咨詢機(jī)構(gòu)也可以據(jù)此對(duì)部分投資者進(jìn)行有效建議。
　　本文首先在廣泛閱讀前人研究成果的基礎(chǔ)之上，結(jié)合相關(guān)理

3、論提出了投資組合動(dòng)態(tài)優(yōu)化算法，主要是利用ARMA-TGARCH模型來擬合單個(gè)收益率的邊際分布，利用R-Vine Copula模型來刻畫多個(gè)資產(chǎn)之間的聯(lián)合分布及非線性相關(guān)結(jié)構(gòu)，利用蒙特卡羅模擬技術(shù)進(jìn)行投資組合的風(fēng)險(xiǎn)和收益的預(yù)測(cè)，最后再結(jié)合均值—ES算法進(jìn)行投資組合的優(yōu)化。
　　為驗(yàn)證本文投資組合動(dòng)態(tài)優(yōu)化的可靠性及有效性，本文選取了中證全指十大行業(yè)指數(shù)作為投資標(biāo)的進(jìn)行實(shí)證研究，結(jié)果表明本文提出的算法，能夠更加準(zhǔn)確、穩(wěn)健地對(duì)投資組合的風(fēng)

4、險(xiǎn)測(cè)度進(jìn)行度量，投資組合優(yōu)化的結(jié)果能夠?qū)崿F(xiàn)對(duì)不同風(fēng)險(xiǎn)偏好程度的投資組合實(shí)現(xiàn)不同水平的收益，在牛市階段成功的實(shí)現(xiàn)了高風(fēng)險(xiǎn)高收益的目標(biāo)，且部分投資組合能夠成功超越大盤收益，而在熊市階段也達(dá)到了低風(fēng)險(xiǎn)低損失的預(yù)期，當(dāng)然高風(fēng)險(xiǎn)偏好程度的投資組合會(huì)遭受較大損失但仍然小于大盤的損失，同時(shí)本文將其結(jié)果與其他算法的結(jié)果進(jìn)行比較，也證明了本文算法的優(yōu)越性。
　　本文研究的特色之處，一方面在于投資組合標(biāo)的選取的數(shù)量更大更符合投資者實(shí)際情況，另一方面在