证券投资学3证券投资收益与风险计量分 析-1.pptVIP

（二）凸性效用函数（Convex utility function） 凸性效用函数表示投资者喜欢财富越多越好，但财富增加为投资者带来的边际效用递增，这种效用函数效用对财富的一阶导数和二阶导数均大于零，凸性函数具有下列性质： 第二节 证券投资风险及衡量 图中，投资组合A在期末得到20元或者8元的概率均为0.5，效用分别为21和5，期末财富的期望值为14元，效用期望值为21 ╳ 0.5 ＋ 5 ╳ 0.5＝13单位。另一个投资组合B在期末可以确定地得到14元的收益，效用为10单位，由于 ，因此，投资者将选择风险性投资组合A，而放弃可以得到确定性收益的投资组合B，这种投资者成为风险追求者，或者风险爱好者。 假设有可以确定得到财富F的第三个投资组合C，F给予投资者的效用与A相同，也是13，由图可知，F必大于14元，F－14是该投资者投资于风险组合A，放弃确定性投资B所期望得到的风险报酬。 财富 效用 21 13 10 5 8 14 F 20 A C B （三）线性效用函数（Linear utility function） 线性效用函数表示投资者喜欢财富越多越好，但财富的增加为投资者带来的边际效用为一个常数，效用函数对财富的一阶导数为正，二阶导数为0，由图可知，有如下性质： 第二节 证券投资风险及衡量 假设图中，A点代表期末财富为15元，效用10单位的投资组合，B点代表的是期末期望财富为21元，效用14单位的投资组合，可以看出两点边际效用相等，且为一个常数，这种类型投资者成为风险中性者。 财富 效用 14 10 15 21 A B 第二节 证券投资风险及衡量 为了在实际中定量测度风险，1952年Markowitz基于“风险为投资收益率的易变性或不确定性”的概念，创造性的提出了以证券投资收益率的方差来计量风险，开创了定量化计量证券投资风险的先河。 在此基础上，针对方差计量风险缺少参照点且不能有效区分风险类型（系统性风险和非系统型风险）的不足，1964年Sharpe提出了著名的β值理论，即用β值（表示单个证券相对于整个证券市场的收益易变程度）度量单个证券投资的系统风险，并以此为基础形成了资本资产定价理论（CAPM）。这两种理论到20世纪80年代逐渐成熟，成为证券投资风险度量的两种基本理论。 第二节 证券投资风险及衡量 但是随着研究的逐步深入，人们也发现这两大理论体系存在着一些不足，如风险本质是损失厌恶而不是易边厌恶，β值与收益率之间并不存在明确的正相关关系，需要符合严格的条件限制等，因此从20世纪90年代以后，专家学者开始探讨新的投资风险剂量的方法，总结来看，主要有三类投资风险计量的指标： 一类是以投资收益率的方差、均方差为基础的风险计量指标，包括方差、均方差、β值、绝对偏差等； 一类是以Hurst指数计量的投资风险指标； 第三类是以收益率的下偏矩为基础的投资风险指标，包括单边离差均值、目标半方差和VaR方法等。 第二节 证券投资风险及衡量 现在也有很多专家学者应用金融工程理论、系统工程理论、运筹学、概率论与数理统计理论、风险决策理论、非线性分析理论、现代预测理论和信息论等理论，运用系统工程方法、概率统计方法、频谱分析法、神经网络方法、ARCH预测模型法、组合预测法、线性规划法、非线性规划法、多目标规划法、不同优化方法的有效边界比较法以及Evans＆Archer证券组合构造法等进行新的风险计量指标的设计与验证工作。 第二节 证券投资风险及衡量 衡量风险的各种指标中，目前使用最多的是方差（Variance)和均方差（Standard Deviation).如果说收益率的期望值E（Ri）本身是一阶矩的话，方差就是围绕着期望值的二阶中心矩。 期望收益率描述了以概率为权数的平均收益率。实际发生的收益率与期望收益率的偏差越大，投资于该证券的风险也就越大，因此对单个证券的风险，通常用统计学中的方差或标准差来表示，方差和标准差。 第二节 证券投资风险及衡量 方 差 标准差 可用公式表示成： 第二节 证券投资风险及衡量 标准差的直接含义是，当证券收益率服从正态分布时，三分之二的收益率在 ± 范围内，95%的收益率在 ±2 范围之内。 下面通过一个例子来说明预期收益率和标准差的计算。 第二节 证券投资风险及衡量 设某人面临两种工作，需要从中选择出一种。 第一种工作是在私营公司里搞推销，薪金较高，但是收入是不确定的。如果干得好，每月可挣得2000元；干得一般，每月就只能挣得1000元。假定他挣得2000元和挣得1000元的概率各为1/2。 第二种工作是在国营商店当售货员，每月工资1510元。但在国营商店营