如果在下面的各种理论中有任何不懂的地方,欢迎移步百度 或者谷歌

目录

  • 风险资产的最优组合公式及说明
  • 风险资产的最优组合公式证明

风险资产的最优组合公式及说明

  1. 不管三七二十几 ,先给出公式:
    ω=[E(r1)−rf]σ22−[E(r2)−rf]ρσ1σ2[E(r1)−rf]σ22+[E(r2)−rf]σ12−[E(r1)−rf+E(r2)−rf]ρσ1σ2\omega=\dfrac{[E(r_1)-r_f]\sigma_2^2-[E(r_2)-r_f]\rho\sigma_1\sigma_2}{[E(r_1)-r_f]\sigma_2^2+[E(r_2)-r_f]\sigma_1^2-[E(r_1)-r_f+E(r_2)-r_f]\rho\sigma_1\sigma_2}ω=[E(r1​)−rf​]σ22​+[E(r2​)−rf​]σ12​−[E(r1​)−rf​+E(r2​)−rf​]ρσ1​σ2​[E(r1​)−rf​]σ22​−[E(r2​)−rf​]ρσ1​σ2​​
  2. 公式应用场景:
           首先,你要对Harry M. Markowitz(马科维兹)的均值——方差模型表示肯定。
           其次,你的资产组合仅仅包括两种风险资产和一种无风险资产,而且你要知道两种风险资产的期望收益率、风险和相关系数,还要知道无风险资产的预期收益率。
           那么,根据Harry M. Markowitz的资产组合理论,我们可以得到类似于下面的这幅图,图中曲线为两种风险资产的组合情况,曲线上不同的点代表了投资两种资产的不同比重;图中直线为无风险资产和风险资产相组合情况,其与纵坐标相交的点所代表的预期收益率为无风险利率(这里为6%)。
           如果经过点T的直线与曲线只交于一点T,则说明我们找到了最有效资产组合的风险资产组合,而T点对应的特定风险资产的组合称为风险资产的最优组合
           我们要做的就是找到这个T点,从而得到最有效资产组合,而找到T点也就意味着要知道两种资产组合在投资中分别所占的比重,即求ω\omegaω。
    原因我就不解释了,能点进来的应该都懂,绝不是因为我懒得写

图片来源:《金融学(第二版)》(博迪著)

  1. 公式参数说明:
参数 说明
ω\omegaω 风险资产1在风险资产组合中的权重(投资比例)
E(r1)E(r_1)E(r1​) 风险资产1的预期收益率
E(r2)E(r_2)E(r2​) 风险资产2的预期收益率
rfr_frf​ 无风险资产的预期收益率
σ1\sigma_1σ1​ 风险资产1的风险(标准差)
σ2\sigma_2σ2​ 风险资产2的风险(标准差)
ρ\rhoρ 风险资产1和风险资产2的相关系数

风险资产的最优组合公式证明

重中之重来了,大部分的书上和网络上都只有这个公式本身,却没有证明过程,主要因为证明过程非常恶心和繁琐 ,那我就在这里证明一下,不想自己动手又想知道证明过程的人千万不要错过。
       首先,让我们思考一个问题,当一条固定截距的直线与一个如图所示曲线相交时,切点处必然斜率最大,而斜率越大意味资产组合的风险每上升固定数值,可以得到的预期收益率的上升越大,那么在切点处我们可以获得最有效资产组合,即T点。
       在公式证明之前先引入三个没出现过的参数,E(rN)E(r_N)E(rN​)为N点(任意一点)代表的风险投资组合的预期收益率,σN\sigma_NσN​为N点代表的风险投资组合的风险(标准差),kkk为该直线的斜率。我们可以根据之前所学的知识得出:
E(rN)=ωE(r1)+(1−ω)E(r2)E(r_N)=\omega E(r_1)+(1-\omega)E(r_2)E(rN​)=ωE(r1​)+(1−ω)E(r2​)
σN=ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)\sigma_N=\sqrt{\omega^2\sigma_1^2+(1-\omega)^2\sigma_2^2+2\rho\sigma_1\sigma_2\omega(1-\omega)}σN​=ω2σ12​+(1−ω)2σ22​+2ρσ1​σ2​ω(1−ω)​
       假设直线与曲线交于N点,则
k=E(rN)−rfσN=ωE(r1)+(1−ω)E(r2)−rfω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)k=\dfrac{E(r_N)-r_f}{\sigma_N}=\dfrac{\omega E(r_1)+(1-\omega)E(r_2)-r_f}{\sqrt{\omega^2\sigma_1^2+(1-\omega)^2\sigma_2^2+2\rho\sigma_1\sigma_2\omega(1-\omega)}}k=σN​E(rN​)−rf​​=ω2σ12​+(1−ω)2σ22​+2ρσ1​σ2​ω(1−ω)​ωE(r1​)+(1−ω)E(r2​)−rf​​
       我们的目的是要使得kkk的值最大,即
k=kmax=E(rT)−rfσTk=k_{max}=\dfrac{E(r_T)-r_f}{\sigma_T}k=kmax​=σT​E(rT​)−rf​​
       也就是说在kkk对ω\omegaω求导后使得导函数结果为0的ω\omegaω就是T点的ω\omegaω(kkk为ω\omegaω的函数):
dkdω=[E(r1)−E(r2)]ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)−[ωE(r1)+(1−ω)E(r2)−rf][(σ12+σ22−2ρσ1σ2)ω+ρσ1σ2−σ22]ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)=0\scriptsize \dfrac{dk}{d\omega}=\dfrac{[E(r_1)-E(r_2)]\sqrt{\omega^2\sigma_1^2+(1-\omega)^2\sigma_2^2+2\rho\sigma_1\sigma_2\omega(1-\omega)}-\dfrac{[\omega E(r_1)+(1-\omega)E(r_2)-r_f][(\sigma_1^2+\sigma_2^2-2\rho\sigma_1\sigma_2)\omega+\rho\sigma_1\sigma_2-\sigma_2^2]}{\sqrt{\omega^2\sigma_1^2+(1-\omega)^2\sigma_2^2+2\rho\sigma_1\sigma_2\omega(1-\omega)}}}{\omega^2\sigma_1^2+(1-\omega)^2\sigma_2^2+2\rho\sigma_1\sigma_2\omega(1-\omega)}=0dωdk​=ω2σ12​+(1−ω)2σ22​+2ρσ1​σ2​ω(1−ω)[E(r1​)−E(r2​)]ω2σ12​+(1−ω)2σ22​+2ρσ1​σ2​ω(1−ω)​−ω2σ12​+(1−ω)2σ22​+2ρσ1​σ2​ω(1−ω)​[ωE(r1​)+(1−ω)E(r2​)−rf​][(σ12​+σ22​−2ρσ1​σ2​)ω+ρσ1​σ2​−σ22​]​​=0
⇓\LARGE \Downarrow⇓
[E(r1)−E(r2)]ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)−[ωE(r1)+(1−ω)E(r2)−rf][(σ12+σ22−2ρσ1σ2)ω+ρσ1σ2−σ22]ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)=0\footnotesize [E(r_1)-E(r_2)]\sqrt{\omega^2\sigma_1^2+(1-\omega)^2\sigma_2^2+2\rho\sigma_1\sigma_2\omega(1-\omega)}-\dfrac{[\omega E(r_1)+(1-\omega)E(r_2)-r_f][(\sigma_1^2+\sigma_2^2-2\rho\sigma_1\sigma_2)\omega+\rho\sigma_1\sigma_2-\sigma_2^2]}{\sqrt{\omega^2\sigma_1^2+(1-\omega)^2\sigma_2^2+2\rho\sigma_1\sigma_2\omega(1-\omega)}}=0[E(r1​)−E(r2​)]ω2σ12​+(1−ω)2σ22​+2ρσ1​σ2​ω(1−ω)​−ω2σ12​+(1−ω)2σ22​+2ρσ1​σ2​ω(1−ω)​[ωE(r1​)+(1−ω)E(r2​)−rf​][(σ12​+σ22​−2ρσ1​σ2​)ω+ρσ1​σ2​−σ22​]​=0
⇓\LARGE \Downarrow⇓
[E(r1)−E(r2)][(σ12+σ22−2ρσ1σ2)ω2+(2ρσ1σ2−2σ22)ω+σ22]−[(E(r1)−E(r2))ω+E(r2)−rf][(σ12+σ22−2ρσ1σ2)ω+ρσ1σ2−σ22]=0\scriptsize [E(r_1)-E(r_2)][(\sigma_1^2+\sigma_2^2-2\rho\sigma_1\sigma_2)\omega^2+(2\rho\sigma_1\sigma_2-2\sigma_2^2)\omega+\sigma_2^2]-[(E(r_1)-E(r_2))\omega+E(r_2)-r_f][(\sigma_1^2+\sigma_2^2-2\rho\sigma_1\sigma_2)\omega+\rho\sigma_1\sigma_2-\sigma_2^2]=0[E(r1​)−E(r2​)][(σ12​+σ22​−2ρσ1​σ2​)ω2+(2ρσ1​σ2​−2σ22​)ω+σ22​]−[(E(r1​)−E(r2​))ω+E(r2​)−rf​][(σ12​+σ22​−2ρσ1​σ2​)ω+ρσ1​σ2​−σ22​]=0
⇓\LARGE \Downarrow⇓
[E(r1)−E(r2)](ρσ1σ2−σ22)ω−[E(r2)−rf](σ12+σ22−2ρσ1σ2)ω+[E(r1)−E(r2)]σ22−[E(r2)−rf](ρσ1σ2−σ22)=0\footnotesize [E(r_1)-E(r_2)](\rho\sigma_1\sigma_2-\sigma_2^2)\omega-[E(r_2)-r_f](\sigma_1^2+\sigma_2^2-2\rho\sigma_1\sigma_2)\omega+[E(r_1)-E(r_2)]\sigma_2^2-[E(r_2)-r_f](\rho\sigma_1\sigma_2-\sigma_2^2)=0[E(r1​)−E(r2​)](ρσ1​σ2​−σ22​)ω−[E(r2​)−rf​](σ12​+σ22​−2ρσ1​σ2​)ω+[E(r1​)−E(r2​)]σ22​−[E(r2​)−rf​](ρσ1​σ2​−σ22​)=0
⇓\LARGE \Downarrow⇓
[(E(r1)+E(r2)−2rf)ρσ1σ2−(E(r1)−rf)σ22−(E(r2)−rf)σ12]ω+[E(r1)−rf]σ22−[E(r2)−rf]ρσ1σ2=0[(E(r_1)+E(r_2)-2r_f)\rho\sigma_1\sigma_2-(E(r_1)-r_f)\sigma_2^2-(E(r_2)-r_f)\sigma_1^2]\omega+[E(r_1)-r_f]\sigma_2^2-[E(r_2)-r_f]\rho\sigma_1\sigma_2=0[(E(r1​)+E(r2​)−2rf​)ρσ1​σ2​−(E(r1​)−rf​)σ22​−(E(r2​)−rf​)σ12​]ω+[E(r1​)−rf​]σ22​−[E(r2​)−rf​]ρσ1​σ2​=0
⇓\LARGE \Downarrow⇓
ω=[E(r1)−rf]σ22−[E(r2)−rf]ρσ1σ2[E(r1)−rf]σ22+[E(r2)−rf]σ12−[E(r1)−rf+E(r2)−rf]ρσ1σ2\omega=\dfrac{[E(r_1)-r_f]\sigma_2^2-[E(r_2)-r_f]\rho\sigma_1\sigma_2}{[E(r_1)-r_f]\sigma_2^2+[E(r_2)-r_f]\sigma_1^2-[E(r_1)-r_f+E(r_2)-r_f]\rho\sigma_1\sigma_2}ω=[E(r1​)−rf​]σ22​+[E(r2​)−rf​]σ12​−[E(r1​)−rf​+E(r2​)−rf​]ρσ1​σ2​[E(r1​)−rf​]σ22​−[E(r2​)−rf​]ρσ1​σ2​​

风险资产的最优组合公式证明相关推荐

  1. 组合递推公式证明(杨辉三角)

    今天做数学题的时候想起来了这个算法,OI老师在讲杨辉三角的时候讲到了,不说废话了进入正题. 设f(x,y)f(x,y)f(x,y)表示杨辉三角第xxx行第yyy列的值,得出: f(x,y)={1x=1 ...

  2. 【组合数学】组合恒等式 ( 变上项求和 1 组合恒等式 | 三种组合恒等式证明方法总结 | 证明变上项求和 1 组合恒等式 )

    文章目录 一.组合恒等式 ( 变上项求和 1 ) 二.组合恒等式证明方法 ( 三种 ) 三.组合恒等式 ( 变上项求和 1 ) 证明 组合恒等式参考博客 : [组合数学]组合恒等式 ( 递推 组合恒等 ...

  3. 排列组合公式 与24点编程游戏

    排列组合公式 此外, 规定0! = 1. 24点游戏编程问题 问题描述 你有 4 张写有 1 到 9 数字的牌.你需要判断是否能通过 *,/,+,-,(,) 的运算得到 24. 示例 1: 输入: [ ...

  4. 组合公式计算机,组合数公式

    组合数公式是指从 n 个不同元素中,任取 m(m≤n) 个元素并成一组,叫做从 n 个不同元素中取出 m 个元素的一个组合:从 n 个不同元素中取出 m(m≤n) 个元素的所有组合的个数,叫做 n 个 ...

  5. 【量化交易】组合优化三部曲:换手率和alpha模型换手约束下的最优模型时变IC下的多空/多头最优组合换手率

    前言 单因子模型,考虑策略风险(即IC时序波动),最大化风险调整后收益的主动增强组合优化 01 无约束下,多空最优组合的换手率的解析解 02 跟踪误差约束下,多头最优组合的换手率的数值优化 03 跟踪 ...

  6. 蓝桥杯-组合公式求值(java)

    算法提高 组合公式求值 时间限制:1.0s 内存限制:256.0MB问题描述给定n, m,求:输入格式输入一行,包含两个整数n, m.输出格式输出一行,包含求得的值,由于答案可能非常大,请输出此公式除 ...

  7. 哒螨灵使用注意事项_杀螨最优组合,老的、少的、没出生的,都管用

    说到螨类害虫,很多人都会感到头疼.这东西看着小,危害却很大.在叶片上吸食汁液,导致叶绿素破坏,光合作用受阻,产量没有源头保证.要是让它上果了,更是会破坏果皮完整,影响卖相.杀螨工作年年谈.年年重治,但 ...

  8. 【牛客 - 315C】排列(思维,贪心,同优则立证明法)

    题干: 妞妞得到一个(1~n)的排列p1, p2, p3,...,pn, 听村里的老人牛牛说如果让这个排列变为: 对于所有的1 <= i <= n, 都满足pi ≠ i, 就可以获得Goo ...

  9. 排列公式和组合公式_排列与组合:排列公式与组合公式之间有什么区别?

    排列公式和组合公式 Here's the short version. 这是简短的版本. Let's take ringing bells in a church as an example. 让我们 ...

  10. 等差数列前n项和公式证明

    等差数列前n项和公式证明 等差数列 第一项为 a1 公差为 d 则前n项的和为: Sn=[(a1+an)∗n]/2 Sn = [ (a1 + an)*n ] / 2 证明过程如下: Sn = a1 + ...

最新文章

  1. 素数环问题---深度搜索遍历
  2. C# web实现word 转Html、office转Html、pdf转图片 在线预览文件
  3. 14-数据库连接池和jdbc优化
  4. sftp 服务器外网访问设置
  5. 三足鼎立 —— GPM 到底是什么?(一)
  6. 视频会议系统OpenMeetings v5.1.0源码
  7. 一文掌握关于Java数据结构所有知识点(欢迎一起完善) 1
  8. HTML5---新增客户端储存
  9. 网易云音乐刷听歌量_网易云音乐极速版悄然上线!听歌体验同之前没有差别
  10. poj3262(Protecting the Flowers)贪心
  11. [我的阿里云服务器] —— 安装LAMP
  12. Git 三款经典可视化管理工具-对比分享
  13. java excel导入导出案例
  14. C盘总是满了,不想重装系统,不想扩充,C盘瘦身彻底解决
  15. 【渝粤题库】陕西师范大学191201 刑法专论 作业
  16. codeforces 407C Curious Array 数学
  17. 3 计算机网络的主要功能,计算机网络的功能主要有哪些?
  18. iOS中3DTouch的使用
  19. unity3D埃及探险游戏源码,支持安卓+IOS双端 unity2019 C#语言开发
  20. oracle数据库ogg延迟,oracle goldengate ogg 源段传输进程lag延迟不断增加的原因?

热门文章

  1. HTML5录制音频文件
  2. Win10搭建gym运行atari游戏pong
  3. Asp.net中汉字转换成为拼音
  4. ItemCF的Python实现
  5. PHP处理微信昵称emoji表情符号和特殊颜文字符
  6. 互联网日报 | 1月27日 星期三 | 支付宝集五福活动2月1日开启;华为否认“出售手机业务”传闻;中国联通自有手机品牌发布...
  7. JS让网页字体大小随窗口大小改变而改变
  8. 为什么计算机窗口在桌面不显示,电脑桌面无法显示怎么解决
  9. Android图片转base64加密在其它平台显示
  10. 常用的参数检验和非参数检验方法对比