股市风险指标分解算法(清华朱世武)讲述.ppt

第 9章 股市风险指标分解算法 9.1 协方差阵引出特征值 9.1.1 风险指标-特征值 9.1.2 风险指标的分解算法 9.1.1 风险指标-特征值 定义由收益协方差阵引出特征值作为股市风险的一种度量指标。 股票市场由许多股票组成，投资每一种股票的收益为一个随机变量，所以包含n支股票股市的收益可以用一个n维随机向量来表示 其中 是第i种股票收益。 9.1.1 风险指标-特征值 设随机向量的协方差形成的矩阵为， 其中， 是 的方差， 是 和 的协方差。于是，V就是全面反映收益不确定性的一个基本的数据矩阵 。 那么用V的什么样的函数（也就是由V算出的一个数值指标）来反映整个股市风险才合理呢？ 9.1.1 风险指标-特征值 设有一投资组合（ ），是购买第i种股票的数额，于是相应的组合收益为， 组合的方差为， 利用组合的方差表达式 ，我们就可以给出整个股市收益风险的一个更合理的度量。 9.1.1 风险指标-特征值 全市场股票收益向量的协方差矩阵V的最大特征值和最小特征值从两个极端反映了整个股市收益的风险状况。 矩阵的最大特征值就是最大风险相应的方差，它还包含了股市收益风险的绝对大部分信息。 我们用全市场股票收益向量的协方差矩阵V的最大特征值作为股市收益风险的一个度量指标。 9.1.2 风险指标的分解算法 对于上面定义的度量整个股市风险指标---最大特征值，可以对其进行风险的分解，例如按板块来分，我们用 表示V的最大特征值，即, 将 按板块分割成k组，即 ，于是V相应地分块，此时 其中， 为 矩阵，（ ）。 9.1.2 风险指标的分解算法 设 相应的特征向量记为 ，则 ，并 。将 也按板块相应地分解，即， 于是 上式解释如下，股市风险 的来源是各个板块 引起的。 9.1.2 风险指标的分解算法 进一步令， 易见 也就是每一板块中由 形成的单位风险（投资组合），这个 才是形成 风险值的一个根源。于是令 可以得到 的板块分分解式， 9.1.2 风险指标的分解算法 于是对于不允许卖空的股市，可以得出结论，最大风险值 是由各个板块单位风险组合 的线性函数 引起的，权重 正好是 对应的特征向量分割后板块对应部分 的长度平方。 而对于允许卖空的股市，由于， 因此 就是权重（ ≥0是明显的）。 9.1.2 风险指标的分解算法 所以， 的板块分分解式清楚地告诉我们：最大风险值 是由各个板块单位风险的投资组合 的线性函数 引起的，它们的加权平均代表了最大风险的投资组合，而且，权重 正好是 对应的特征向量分割后板块对应部分 的长度平方。 容易看出，对于最小特征值 ，也完全可以作类似的分解。这一分解对于分析股市风险是具有意义的。 9.2 相关计算程序 9.2.1 计算环境 9.2.2 实现算法 9.2.3 实现程序 9.2.1 计算环境 可以有多种计算环境，以下只给出一种情形，其它情形类似处理。 时期：2000年一个周期。 数据：使用日对数收益数据，即股票当日收盘价对数与前日收盘价对数之差。计算沪深股市所有上市股票的收益数据，其中，计算年周期时，剔除交易小于100天的股票， 季周期时剔除交易小于50天的股票，月周期剔除交易小于15天的股票，用周作为周期时，剔除该周所有新上市股票。停牌时的收益数据用0代替，即假定该天的价格与前一天相同。新股第二天才记收益，其计算周期内上市前的收益数据用0代替，即假定在计算周期内发行新股其上市前的股价恒为上市日收盘价。 9.2.1 计算环境 样本：周期内沪深股市满足条件的所有A股股票。 复权：在计算股票的拆细、除权、 除息等股利分配日的对数收益时，价格全复权。 板块：本章用行业(SECTOR)分类作板块。 用到的数据集：行来分类数据集COMPUFIN.INDCLS，逻辑库STOINDIV下的个股数据集。 9.2.2 实现算法 第一步：确定计算周期中满足条件的所以上市股票，并按板块排列如下： 其中，n为股市所有股票数；k为将这n支股票分为k个行业，本次计算n=996, k=10。 9.2.2 实现算法 第二步：计算周期内所选股票的收益，得到一矩阵，即得到随机向量 的m个样本 。