6.3 【实验】马科维茨均值-方差模型.docx

【实验】马科维茨均值-方差模型

6.3.1基本的投资组合

现有三只股票(A、B、C)12年(1943—1954)来的价格（已包括分红）及每年的增长情况，同时给出了标普500的股票指数（反映股票市场的大势信息，对具体每只股票的涨跌通常是有显著影响的），如图6-5所示。

图6-5中第一个数据1.300的含义是股票A在1943年年末的价值是其年初价值的1.300倍，即收益为30%。

假设在1955年时有一笔资金准备投资这三种股票，并期望年收益率至少达到15%，那么应当如何投资？当期望的年收益率发生变化时，投资组合和相应的风险如何变化？

6-5马科维茨经典股票收益数据

1.问题分析

马科维茨认为，可以用收益的均值表示平均收益，均值越大收益越大；用收益的方差（或标准差）表示收益的风险，方差越大收益越不稳定；用协方差（相关系数）表示股票之间的相关程度，相关系数绝对值越大相关性越强，正数表示正相关（一起赚一起赔），负数表示负相关（赔赚相反）。

先根据图6-5中的数据计算三只股票收益的均值、方差和协方差，MATLAB代码如下。

【例s6_4】：

dat=xlsread(datas/stock_datas.xlsx);

rs=dat(:,2:4)-1;

ER=mean(rs)%期望

COV=cov(rs)%协方差矩阵

COR=corrcoef(rs)%相关系数矩阵

6-6运行结果

这里采用向量化计算，代码非常简洁。计算出三只股票的收益率分别为

ER1=0.0891,ER2=0.2137,ER3=0.2346

三只股票的协方差矩阵为

主对角线上的三个数分别为三只股票的方差：

Var(R1)=0.0108,Var(R2)=0.0584,Var(R3)=0.0942

第i行第j列的数σij表示第i只股票与第j只股票的相关程度。

协方差矩阵中的值的大小没有可比性，做标准化使其具有可比性，则得到相关系数矩阵：

相关系数反映的是随机变量两两之间的线性相关性，相关系数大小的示意图如图6-7所示。

6-7相关系数大小的示意图

注意，线性相关系数很小，只表示线性关系很弱，不代表二者之间不存在其他函数关系。

2.二次规划模型

决策变量：x1、x2、x3分别表示投资股票A、B、C的比例。

假设投资人手上资金（不妨设有1个单位的资金）必须全部用于投资这三只股票，则

资金约束：

x1+x2+x3=1,x1,x2,x3≥0

年投资收益率R也是一个随机变量，可表示为：

R=x1R1+x2R2+x3R3

收益约束：期望年收益率至少达到15%，即：

ER=x1ER1+x2ER2+x3ER3≥0.15

即

0.0891x1+0.2137x2+0.2346x3≥0.15

目标函数：让投资风险（方差）最小，即minVar(R)，可计算：

其中，Cov为前面计算的协方差矩阵，一般为非负定矩阵。

于是，得到二次规划模型：

3.模型求解

对照标准形式，二次项矩阵H=2Cov；不等式约束改成“≤”，则有A=-ER，b=-0.15；等式约束有Aeq=[1，1，1]，beq=1；决策变量的下界为零向量，无上界约束，初始值取随机值，MATLAB代码如下。

【例s6_4】：

%%二次规划模型

[x,val,flag]=quadprog(2*COV,[],-ER,-0.15,ones(1,3),1,zeros(3,1),[],rand(3,1))

6-8运行结果

flag=1表明求解成功，最优目标值为0.0224，最优解为：

x1=0.5301,x2=0.3564,x3=0.1135

这说明三只股票的最优投资组合的占比分别为53.01%、35.64%、11.35%，此时的风险最小，为0.0244。

4.利用股票指数简化投资组合模型

实际的资产市场一般存在成千上万种资产，这时计算两两之间的相关性（协方差矩阵）将是一件非常费事甚至不可能的事情，而且，很可能计算得到的协方差矩阵性质不好（非正定性、病态性）。一种近似的做法是，根据股票指数预测（拟合）各只股票的收益率，然后代入模型。比如，假设每只股票的收益率与股票指数的收益率(M)呈线性关系：

Ri=ai+biM+εi

该式满足线性回归假设，回归系数ai、bi可通过分别做一元线性回归拟合出来：

εi为随机误差项，满足E(εi)=0，E(εiεj)=E(εiM)=0（表示εi与其他股票、股票指数的收益率相互独立）。εi的方差为si2，可由下式计算：

对于本例，T=12，i=1，2，3，可得到：

s1=0.0758,s2=0.1251,s3=0.1739

再计算M的均值为EM=m0=0.1915，标准差为s0=0.1695。

建立模型

于是，得到二次规划模型：

6