金融经济学（广东外语外贸大学）FE第4章之一.pptVIP

第4章 均值——方差分析 本章大纲 仍然接着上一章个体的借贷和消费选择、效用最大化的问题讲。 进一步了解当效用函数u是二次函数或者证券收益率（也叫回报率、利率）服从正态分布时，证券组合回报率的均值和方差就可以完全用于刻画经济主体的偏好。 掌握均值－方差模型描述的证券投资组合前沿理论，它是期望利率的决定，也就是CAPM的基础。 4.1 　一些基本定义 证券收益 在时期0有N个证券在交易，它们的收益在时期1实现，证券i 在时期1的收益记为向量 。 用下面的向量同时表示N个证券的随机收益 其中　　 为含有多个元素的行向量（假定时期1有多种可能的状况），因此，X其实是一个矩阵。 证券回报 如果证券i在时期0的价格为Si ，则证券i 的总回报为Ri = xi/Si ，回报率ri为Ri-1，用下面的向量 同时表示N个证券的随机回报率 字母上方有弯的符号，表示它是随机取值的数 例：假设时期1的经济有3种可能性状况，有2只证券的收益为x 1=(1,1,1)， x 2=(1,2,2)，则证券收益矩阵为 是2行（ 2只证券）、3列（ 3种可能性状况）的矩阵。 如果2只证券现在的价格分别为S1 =0.8， S2 =1.25，则证券回报率矩阵 证券组合portfolio的总回报: 其中 表示组合中证券 i 的投资比例。 若一个证券组合中证券1的数量为30，证券2的数量为70，则其价格为30? 0.8+ 70 ?1.25=111.5,其中证券1所占的比例为30?0.8/111.5=21.5%，证券2所占的比例为70 ?1.25/111.5=78.5%。 该证券组合的收益为30? (1, 1, 1)+ 70 ?(1, 2, 2)=(100, 170, 170)。 则上例中 ，也等于用投资比例表示的 为证券在证券组合中所占的比例，它们形成N维的权重向量w（列向量） 证券组合的回报率同样有 例如，在有3只证券的经济中，投资者的 证券及证券组合的期望回报率 例如， 则该证券的E(r)=22% 是其所含证券的期望回报率的加权平均，以各证券在组合中的比例为权重. 其中， 为N只风险证券回报率均值组成的列向量。 例如，证券A 、 B 期望回报率分别16.2%和24.6%，在组合中的比例为0.75和0.25，则组合的期望回报率为 单个证券回报率的方差 一个证券的期望回报率描述了以概率为权数的平均回报率。 但是这是不够的，我们还需要一个有用的风险测度，风险或者说不确定性是以某种方式估计实际结果与期望结果之间可能的偏离程度，方差就是这样一个测度，因为它估计实际回报率与期望回报率之间的可能偏离。 单个证券回报率的方差 一个证券回报率的方差是未来回报率可能值对期望回报率的偏离（通常称为离差）的平方的加权平均，权数是相应的可能值的概率。记方差为?2，即有第i个证券的 例如， 则该证券的σ=16.5%。 这个数字有什么经济意义呢？ 两个证券形成的组合的回报率的方差 方差分别为 与 的两个资产以w1与w2的权重构成一个资产组合的方差为， 协方差 协方差是两个随机变量相互关系的一种统计测度，即它测度两个随机变量，如证券1和2的回报率之间的互动性。 协方差为正值表明两个证券的回报率倾向于向同一方向变动——例如，一个证券高于期望回报率的情形很可能伴随着另一个证券的高于期望回报率的情形。 一个负的协方差则表明证券与另一个证券相背变动的倾向——例如，一种证券的高于期望回报率的情形很可能伴随着另一个证券的低于期望回报率的情形。 一个相对小的或者0值的协方差则表明两种证券之间只有很小的互动关系或没有任何互动关系。 相关系数 与协方差密切相关的另一个概念是相关系数。事实上，两个随机变量间的协方差等于这两个随机变量之间的相关系数乘以它们各自的标准差的积。 证券1与2的相关系数为 ?测量两种股票回报共同变动的程度: -1.0 ? ? ? +1.0 完全正相关: +1.0 完全负相关: -1.0 完全负相关会使风险消失 完全正相关不会减少风险 在 -1.0 和 +1.0 之间的相关性可减少风险，但不是全部 例如，证券A 、 B 标准差分别12.1%和29.2%，在组合中的比例为0.75和0.25，则利用 组合的标准差，当? = -1时为1.73%；当? = 0时为11.64%；当? = 1时为16.37%。 也可以写成 比如上例中， 可以将其扩展到更多的证券形成的组合。 N个证券的组合的回报率的方差 4.2　二次效用函数和服从正态分布的金融资产回报