基于MATLAB的金融工程方法及应用 资料作业3_套期保值.docVIP

金融工程应用分析大作业 姓名：方钰 样本区间自定 选取100支股票，按照值大小分成10组，每组作为一个投资组合，按照价值加权的 方式构造每个投资组合的指数。 以这10投资组合为样本检验CAPM模型是否正确？ 如果某基金的持仓情况如下，括号内为权重，基金现值为1亿元 招商银行(10%)、长江电力(15%)、上海机场(10%)、华侨城(10%)、国电电力(20%)、五粮液(15%)、浦发银行(10%)、万科A(10%) 用沪深300指数股指期货进行套期保值，计算需要多少份合约？ 计算此投资组合的边际VaR和成分VaR?如果此基金需要减仓，应该首先降低那个股票的仓位？ （边际VaR和成分VaR的定义和概念，可以参考菲力浦jorian 在险价值的书） 1、 样本的选择：在07基金重仓股中选取了100支股票，数据选择区间则是07年全年的日收盘价的前200个数据。股指数据是沪深300指数，样本区间同股票的样本。无风险利率则选取的银行一年期的存款利率4.14%。股票的市值选用07年流通市值。 （1）算股票收益率 function r=price2return(price) %输入：价格矩阵 M*N N个资产，M个观测值 %输出：收益率矩阵 (M-1)*N logprice=100*log(price); [M,N]=size(price); r=zeros(M-1,N); for i=1:N r(:,i)=logprice(2:end,i)-logprice(1:end-1,i) end （2）算beta并分组 function [betavector,r_sort,port_r]=sortbybeta(r,rp,rf,group) %程序目的：对capm检验给定的个股按照beta值进行排序 %输入1：个股的原始收益率矩阵，M*N矩阵，M为样本容量，N为资产数目 %输入2: rp 股票指数的收益率 列向量 M*1 %输入3：rf 无风险收益率 %输入4：group 每组的包含的股票个数 %输出1：betavector 排序后的beta向量，N*1 %输出2：r_sort 按照此排序得到新的收益率矩阵，M*N（第一列的数据beta最小，最后一列beta最大） %输出3：port_r分组后得到的投资组合的收益率矩阵 group＝10 [M,N]=size(r) rp_ad=rp-rf; %经过风险调整的股指收益 r_ad=r-rf; intercept=ones(M,1); betavector=zeros(N,1); for i=1:N; [alpha,betavector(i),alpha_pvalue,e]=ols_capm(r_ad(:,i),[intercept rp_ad]); end %把股票按照beta大小进行分类，分成q组[betavector1,index]=sortrows(betavector); %按照beta的大小将各个股票进行排列，生成新的收益率矩阵，第一列的beta最小 %betavector1为排序好的beta值向量 r_sort=zeros(M,N); for i=1:N; r_sort(:,i)=r_ad(:,index(i)); end %生成投资组合，给出投资组合的收益率 Q=floor(N/group); port_r=zeros(M,Q); for i=1:Q; temp1=cumsum(r_sort(:,(i-1)*group+1:i*group),2); temp2=temp1(:,end); port_r(:,i)=temp2/group; end 按照排序出来的betavector1与betavector比较得出排序好的beta值对应的股票的序号，并按10个一组写成10×10的矩阵a，利用如下程序选择出对应的股票市值。其中guzhi是按照原始的股票排列顺序的市值矩阵，同样为10×10的。 （3）按分组情况给出市值 p=zeros(10,10); for i=1:10; for j=1:10; q=a(i,j); g=guzhi(q); p(i,j)=g; end; end; 把分好组的股指数据导入excel，利用excel的公式算得按价值加权的每个投资组合里各个股票的权重。 2、CAPM检验 function out=grscapmtest(p_stock,p_index,rf,group) %程序目的：给定原始个股的价格数据，无风险收益率数据，股指价格数据，对capm模型进行检验 %输入1：p_stock个股的原始价格矩阵，M*N矩阵，M为样本容量，N为资产数目 %输入2: p_index 股票指数的收益率 列向量 M*1 %输入3：rf 无风险