第12章 马可维兹均值方差模型.pptx

第12章　马可维兹均值方差 模型从历史发展看，投资者很早就认识到了将资金分散地进行投资可以降低投资风险。但是第一个对此问题做出实质性分析的是美国经济学家马可维兹(Markowitz)。1952年马可维兹发表了《证券组合选择》，标志着投资组合理论的正式诞生。马可维兹的后继者致力于简化投资组合模型。在一系列的假设条件下，威廉·夏普(William F. Sharp)等学者推导出了资本资产定价模型，并以此简化了马可维兹的资产组合模型。由于夏普简化模型的计算量相对于马可维兹资产组合模型大大减少，且有效程度并没有降低，所以得到了广泛应用。12.1　模型理论经典马可维兹均值方差模型为多目标优化问题，有效前沿即多目标优化问题的pareto解（即风险一定，收益最大；收益一定,风险最小），具体模型如下：??式中：R=(R1,R2,…,Rn)T；Ri=E(ri)是第i种资产的预期收益率；X=(x1,x2,…,xn)T是投资组合的权重向量；Σ=(σij)n×n是n种资产间的协方差矩阵；Rp=E(rp)和σ2p分别是投资组合的期望回报率和回报率的方差。点睛：马可维兹模型以预期收益率期望度量收益；以收益率方差度量风险。在教科书中通常以资产的历史收益率的均值作为未来期望收益率，可能会造成“追涨的效果”，在实际中这些收益率可能是由研究员给出；在计算组合风险值时协方差对结果影响较大，在教科书中通常以资产的历史收益率的协方差度量资产风险与相关性，这种计算方法存在预期误差，即未来实际协方差矩阵与历史协方差矩阵间的存在偏差。12.2　收益与风险计算函数在MATLAB的金融工具箱中计算组合收益与风险为portstats函数。 组合收益率为组合中各证券的收益率与权重乘积的和。E(rp)=X T R组合协方差为权重向量与协方差矩阵的乘积。其中，各参数含义同12.1节。函数语法：［PortRisk, PortReturn］ = portstats(ExpReturn, ExpCovariance, PortWts)输入参数： ExpReturn：资产预期收益率； ExpCovariance：资产的协方差矩阵； PortWts：资产权重。输出参数： PortRisk：资产组合风险（标准差）； PortReturn：资产组合预期收益（期望）。12.3　有效前沿计算函数马可维兹均值方差模型为经典的带约束的二次优化问题，在给定期望收益时，方差最小解唯一(可行解域为凸)，frontcon使用MATLAB优化工具箱的fmincon函数进行求解，fmincon函数说明请参看MATLAB帮助。frontcon函数算法如下：将多目标优化问题，转换为单目标优化问题。即：给定ei计算相应风险最小的组合，即得到有效前沿上一点（有效组合），给定一系列ei可以有效描绘出有效前沿。组合的收益介于单个资产的最大收益与最小收益之间，例如示例中最大收益为0.0540%、最小收益为0.0236%，ei为根据NumPorts在最大收益与最小收益间进行等分即可。12.4　约束条件下有效前沿在实际构建投资组合时要考虑到合法合规或者风险管理等限制条件，这样会给组合构建带来约束，例如基金“双百分之十规则”：基金投资于某一证券的市值不能超过基金资产的10%，基金投资于某一上市公司股票不能超过该公司市值的10%；MATLAB求解约束条件下有效前沿的函数为portopt。函数语法：［PortRisk, PortReturn, PortWts］ = portopt(ExpReturn, ExpCovariance, NumPorts, PortReturn, ConSet, varargin)输入参数： ExpReturn：资产预期收益率； ExpCovariance：资产的协方差矩阵； NumPorts：（可选）有效前沿上输出点的个数，默认为10； PortReturn：（可选）给定有效前沿上输出点回报求方差； ConSet：组合约束，一般通过portcons进行设置； varargin: 主要为优化算法中的一些参数。输出函数： PortRisk：资产组合风险（标准差）； PortReturn：资产组合预期收益（期望）； PortWts：资产组合中各资产权重。12.5　模型年化参数计算在实际进行资产配置时周期常常为年，如何将日数据转换为年数据存在许多细节上的问题。例1　假设2005年到2011年上证综合指数、上证50指数、沪深300指数及深证100指数的主要指标如下表所列。其中，年化收益率使用的是2005—2011年累积收益率的1/7次方得到，年化波动率为日波动率乘以　　　得到。由于市场变幻莫测，如果选取的时间长度不同，可能得到的波动率大小不同。问题是我们还会发现通过累积收益率来计算的年化收益率与日均收益率乘以每年交易日数得