基于非对称主动风险测度的增强型指数追踪模型及应用

发布时间：2021-01-28 15:36

　　本文以下方追踪误差测度非对称主动风险,构建了可以折衷超额收益和下方追踪误差的增强型指数追踪模型,给出了求解模型的广义最小角度回归（generalized least angle regression,简称GLARS）算法,并基于上证50进行了实证。GLARS算法可以给出超额收益在合理区间变化时,使得下方追踪误差最小的组合系数解路径,刻画投资组合的"超额收益—下方追踪误差"有效前沿。将模型应用于中国证券市场上证50指数,与基于"超额收益—追踪误差"的增强型指数追踪模型相比,得到如下实证结论:控制组合股票支数,本文组合的超额收益、单位风险收益更高,在承担相同风险的情况下,得到了更高的平均收益补偿;正下方离差中位数、最大回撤更小,右偏程度更高,表现出"守住下限,放开上限"的特质。本文组合在稀疏性要求下,样本外可以获得高于基准指数的累积收益,对机构和个人投资者具有参考价值,丰富了现有指数追踪研究。 

【文章来源】：中国管理科学. 2020,28(08)北大核心CSSCI

【文章页数】：10 页

【部分图文】：

投资组合与上证50指数累积收益对比

【参考文献】：
期刊论文
[1]基于CVaR投资组合优化问题的非光滑优化方法[J]. 张清叶,高岩.  中国管理科学. 2017(10)
[2]基于非参数核估计方法的均值-VaR模型[J]. 黄金波,李仲飞,丁杰.  中国管理科学. 2017(05)
[3]一种增强型指数追踪模型设计及应用[J]. 马景义,单璐琪,方彤.  数量经济技术经济研究. 2017(05)
[4]具有最小交易量限制的多阶段均值-半方差投资组合优化[J]. 张鹏,张卫国,张逸菲.  中国管理科学. 2016(07)
[5]指数跟踪投资组合与多信息下指数可预测性——基于Adaptive LASSO和ARIMA-ANN方法[J]. 刘睿智,周勇.  系统工程. 2015(04)
[6]基于分层PCA的指数跟踪及实证[J]. 罗金川,房勇.  中国管理科学. 2013(S1)
[7]基于LARS-Lasso的指数跟踪及其在股指期货套利策略中的应用[J]. 梁斌,陈敏,缪柏其,黄意球,陈钊.  数理统计与管理. 2011(06)
[8]具有VaR约束的跟踪误差投资组合鲁棒优化模型[J]. 高莹,黄小原.  中国管理科学. 2007(01)



本文编号：3005243