基于改进Black-Litterman模型的证券资产配置研究

摘要

我国证券投资基金行业十五年来的发展令人瞩目，然而最近几年，受到次贷危机和欧债危机的影响，证券市场产生了大幅波动。在风险增加的情况下，对证券投资组合进行研究成为对基金管理的必然要求。有关研究表明，资产的有效配置对投资业绩的贡献率高达93.6％。近年来，国内基金行业开始对数量化资产配置模型展开研究，这些研究大多是吸收了国外的数量化模型，但中国市场毕竟有别于国外市场，因此，有必要探索改进国外成熟的数量化模型，并应用于中国证券市场的方法。
　　Black-litterman模型是由高盛公司提出的，该模型从诞生之初就被实际应用于基金投资决策中，经过多年的发展已经得到广泛的认可。本文首先对经典的均值方差理论作了简单的回顾，然后对原始Black-litterman模型中各个复杂的输入参数作了详细的论述，并且使用了Bootstrap万法和神经网络对原模型做了改进，建立了新的ANNs-BLR模型。Bootstrap方法能够很好地修正原模型在计算市场均衡收益率时产生的误差;神经网络模型能够很好地捕捉到股票市场复杂的波动规律，以该模型的预测结果替代原模型中投资者的主观观点，可以有效的提升模型绩效。
　　本文选取了剔除数据不全股票后的上证50指数的41只权重股作为样本。在采用了误差修正模型，并使用BP神经网络的估计量替代模型观点收益向量后，得到了下一期的模型收益和资产配置结果。在第一部分实证研究中，结果表明，ANNs-BLR模型无论是在有无卖空限制、有无配置权重上限的情况下，配置的稳定性都优于均值方差模型，模型收益率和夏普比率也都高于均值方差模型。在第二部分实证中，本文针对中国股票市场非流通股票普遍存在的情况，对分别采用总市值权重、流通市值权重以及经过误差调整的模型配置绩效进行了比较，结果显示流通市值权重更加适合该模型，能够取得更好的投资绩效;而且误差调整过程也能够有效改善模型绩效。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 文献综述

1．2．1 国外相关研究综述

1．2．2 国内相关研究综述

1．3 研究思路与内容

1．3．1 研究思路

1．3．2 研究内容与框架

2 资产配置相关理论介绍

2．1 Markowitz均值-方差理论

2．2 Black-litterman资产配置模型

2．2．1 Black-litterman模型的核心思想

2．2．2 Black-litterman模型参数设定

3 ANNs-BLR模型构建

3．1 Bootstrap方法

3．1．1 Bootstrap方法简介

3．1．2 重抽样方法在投资组合理论中的应用

3．1．3 结合重抽样理论的市场均衡收益率

3．2 人工神经网络

3．2．1 人工神经网络的工作原理

3．2．2 神经网络类型选择

3．2．3 BP神经网络

3．3 改进后Black-litterman模型的构建

4 实证过程

4．1 数据选取

4．2 BP神经网络预测观点收益

4．2．1 BP神经网络预测时间序列数据的预处理

4．2．2 神经网络结构确定

4．2．3 BP神经网络拟合与预测

4．3 ANNs-BLR模型构建

4．3．1 均衡超额收益率

4．3．2 观点相关参数

4．3．3 模型运行结果

5 实证结果分析

5．1 研究目的

5．2 ANNs-BLR模型与均值方差模型的比较

5．2．1 基于均值方差模型的配置结果

5．2．2 ANNs-BLR模型配置结果

5．2．3 模型绩效比较

5．3 采用不同市值权重对模型影响的实证

结论

参考文献

附录A 文中部分表格

攻读硕士学位期间发表学术论文情况

致谢