第2讲　资产组合理论与实践.ppt

Figure 8.5 Efficient Frontiers with the Index Model and Full-Covariance Matrix Table 8.2 Comparison of Portfolios from the Single-Index and Full-Covariance Models 指数模型的应用之 beta的调整与预测 Beta值有向1变动的趋势； 未来beta系数的预测应当顺势调整： 调整后的beta可以用来理解历史数据估计的beta值，但不是未来beta值的最好估计。 预测未来的beta值 一个简单方法是收集在不同期beta的数据，然后估计回归方程 其他的方法，例如Roseberg, Guy(1976)发现以下变量有助于预测beta。 * Minimum Variance Portfolio as Depicted in Figure 7.4 Standard deviation is smaller than that of either of the individual component assets Figure 7.3 and 7.4 combined demonstrate the relationship between portfolio risk Figure 7.5 Portfolio Expected Return as a Function of Standard Deviation The relationship depends on the correlation coefficient -1.0 ? +1.0 The smaller the correlation, the greater the risk reduction potential If r = +1.0, no risk reduction is possible Correlation Effects Figure 7.6 The Opportunity Set of the Debt and Equity Funds and Two Feasible CALs The Sharpe Ratio Maximize the slope of the CAL for any possible portfolio, p The objective function is the slope: Figure 7.7 The Opportunity Set of the Debt and Equity Funds with the Optimal CAL and the Optimal Risky Portfolio Figure 7.8 Determination of the Optimal Overall Portfolio Figure 7.9 The Proportions of the Optimal Overall Portfolio Markowitz Portfolio Selection Model Security Selection 第一步：决定投资者面临的风险收益机会，由风险资产的最小方差边界（minimum-variance frontier）给出。 第二步：通过无风险资产，寻找最优风险资产组合P。 第三步：投资者在最优风险资产P和无风险资产之间选择合适的比例构成最终组合。 分离特性与基金经理面临的约束和竞争 分离特性：最优风险组合P与客户的风险厌恶程度无关 约束条件之一：卖空限制、最低股利收益率要求、税收因素或其他客户偏好 投资经理可以调整有效边界来满足不同客户的要求 约束条件之二：社会责任投资（从政治上或道德上排除在某一特定产业或特定国家的投资） 证券分析的偏差：实际中，不同投资经理对证券估计的数据不一样，从而得到不同的有效边界，提供不同的“最优”纵使。 GIGO（garbage in- garbage out）原则 最优化技术是组合构造问题中最容易的部分，基金经理间真正的竞争在于证券分析精确性上的角逐。 The Power of Diversification Remember: Consider an equally weighted portfolio, the average variance and average covariance of the securities as: We can then express portfolio variance as: 系统性风险与各证券间相关 性的关系假设所有证券的标准差都相同，证券间相关系数也相同，则有： 某一证券对于整个组合风险的贡献取