第7章指数模型及其Python应用.docVIP

第7章 指数模型及其Python应用 【本章精粹】 本章针对均值方差模型所存在的缺点，介绍单指数模型，并讨论指数模型环境下是如何分散风险的，最后讨论指数模型的证券特征线的估计及其Python应用。 7.1 单指数模型 在马柯维茨的均值-方差模型的讨论中，各资产间的协方差我们可以作任何假定，它们可以是由资产间存在的任意数量和种类的关系产生，而且在计算风险时所用的公式中，我们必须对所选择的资产间的协方差进行估计。如果资产数目太大，我们就必须进行大量的协方差估计，使得在计算任一给定投资组合的方差时，需要花费大量时间。 在，公式中，如果投资者考虑的是由n种资产构成的组合，那么在求解有效资产组合时，需要掌握三个方面的基本数据： (1) 每一资产的平均收益率，共需n个； (2) 每一资产收益方差，共需n个； (3) 每一对资产之间的相关系数，共需n*(n-1)/2个。 总计需要2n+n*(n-1)/2个基础性数据。对于每天追踪30～50种股票的投资机构来说，每天需要处理495～1325个数据；对于每天追踪150～250种股票的投资机构来说，每天需要处理11475～31625个数据；显然，这对各种投资者来说都是一件非常耗时的事情。那么，如何使投资组合理论和方法有效实用、简便易行、真正为金融财务工作者服务，就成了金融财务经济学家极为关心的问题。单指数模型能帮助我们克服这一困难，使得确定投资组