李成博 宓颖 衣国洋 黄小宇

摘要:本文研究的是投资者在1年内,不考虑交易费的情况下,对市场资产(如股票、债券、……)进行选择,并优化所选投资,从而获得最优投资组合,以实现投资目标的问题。首先,运用马柯维茨均值-方差模型建立针对市场上n种资产的最优投资组合模型。其次,运用Excel对所给股票数据进行随机抽样,根据在问题1给出的最优投资组合模型,求解出投资组合的有效前沿。最后确定最优投资组合的投资项目数与风险的变化之间的关系。

Abstract: This paper studies investors' choice of market assets (such as stocks, bonds, and so on) within one year without considering transaction fees, and optimizes the selected investments to obtain the optimal portfolio to achieve the investment objectives. First, the Markowitz mean-variance model is used to establish an optimal portfolio model for n assets on the market. Secondly, the Excel is used to randomly sample the stock data, according to the optimal portfolio model given in question 1, solve the effective frontier of the portfolio. Finally, the relationship between the number of investment projects in the optimal portfolio and the changes in risk is determined.

关键词:资产组合;收益率;风险;有效前沿;最优解

Key words: portfolio;rate of return;risk;effective frontier;optimal solution

中图分类号:F224.3                                      文献标识码:A                                  文章编号:1006-4311(2019)28-0241-02

0  引言

投资者对市场上不同资产(如股票、债券、…)进行选择,并对所选资产进行投资组合优化,这样在降低投资风险同时,获得较高的投资收益,因而研究这类问题具有重大的实际意义。

本文主要研究以下两个问题。

問题1  在各资产的平均收益和风险已知的前提下建立最优投资组合模型。

问题2  根据2013年资产数据求出投资组合的有效前沿,研究最优投资组合的投资项目数与风险的变化之间的关系。

1  模型假设

①投资期间社会无政策较大变化,经济发展形势稳定。

②投资期限为1年,期间不撤资或追加投资。投资期间的交易费用不计。

③不考虑投资比率系数为负的问题,由于负的投资比例意味着卖空相应的证券,考虑不允许卖空的情况。

2  模型的建立与求解

2.1 问题1

投资者期望在最大化期望收益率的同时,最小化由方差度量的风险,从而达到投资目的。投资组合优化选择问题是一个优化问题,建立优化模型求解。

从图中可看到风险随着组合规模的扩大而降低。当组合规模由1个增至10个时,组合风险的减少程度最大。当组合中股票数由10个继续增加,组合风险的减少程度逐渐降低。这表明并不是投资数目越大,越能有效的规避风险。我们需要适当的选取投资数目,进而使得在获得较大收益率的同时,投资风险较小。从图像上看,投资数目在10个左右为宜。

3  模型的分析与评价

3.1 模型的优点

①本模型采用了数学工具,对模型的求解非常的严密,具有很高的科学性。

②本模型与实际联系较为紧密,因此具有很高的实用价值。

③模型中有详细的数据求解过程,各项数据真实可靠,可信度较高。

3.2 模型的缺点

模型中的股票选取随机性较大,和实际还存在偏差。

参考文献:

[1]杨红云.金融经济学[M].武汉:武汉大学出版社,2000.

[2]蔡锁章.数学建模原理与方法[M].北京:海洋出版社,2000.

[3]宋兆基,徐流美.MATLAB6.5在科学计算中的应用[M].北京:清华大学出版社,2004.

[4]李伯德.最优投资组合的数学模型与案例分析[J].兰州商学院学报,2006,22(2):97-99.

[5]徐立新,郭国雄,栾长福.股票组合的风险变动规律及最佳组合有效前沿—Markowitz理论在深圳证券市场的应用[J].华南理工大学学报(自然科学版),2001,29(9):5-8.

最优投资组合的确定matlab,最优投资组合问题的数学模型相关推荐

  1. matlab生成组合,组合生成算法及matlab程序

    昨天有朋友问起组合的生成算法,于是乎就翻了翻组合数学的书,总结一番如下,并用matlab编了个小函数,供参考. 组合的生成不像排列那样困难.现在以从1,2,3,4,5,6中取3个组合为例. 123.1 ...

  2. matlab 债券,matlab债券组合

    1.什么是债券组合中的 子弹式组合.梯式组合和杠铃式组合,哪位达人解释一下 收益率曲线策略 该策略是通过市场收益率曲线形状的变化来调整组合结构的策略,具体包括子弹策略.两极策略和梯式策略三种. 子弹策 ...

  3. R语言使用ggpubr包的ggarrange函数组合多张结论图(垂直堆叠组合)、并为组合后的图像添加图形的注释信息(标题,副标题,坐标轴,字体,颜色等)

    R语言使用ggpubr包的ggarrange函数组合多张结论图(垂直堆叠组合).并为组合后的图像添加图形的注释信息(标题,副标题,坐标轴,字体,颜色等) 目录

  4. 广义线性模型?链接函数?sigmoid和softmax?Logistic处理多分类问题?logistic回归处理超大数据?使用logistic和randomsearch进行组合获取最优参数组合、优缺点

    广义线性模型?链接函数?sigmoid和softmax?Logistic处理多分类问题?logistic回归处理超大数据?使用logistic和randomsearch进行组合获取最优参数组合.优缺点 ...

  5. xgboost是什么?相对于gbdt有什么优势?如何使用randomSearchCV和xgboost进行组合获取最优参数组合?

    xgboost是什么?相对于gbdt有什么优势?如何使用randomSearchCV和xgboost进行组合获取最优参数组合? GBDT (Gradient Boosting Decision Tre ...

  6. LightGBM是什么?相对于xgboost有什么优势?如何使用randomSearchCV和lightgbm进行组合获取最优参数组合?

    LightGBM是什么?相对于xgboost有什么优势?如何使用randomSearchCV和lightgbm进行组合获取最优参数组合? GBDT (Gradient Boosting Decisio ...

  7. catboost是什么?相对于xgboost以及lightgbm有什么优势?如何使用randomSearchCV和Catboost进行组合获取最优参数组合?

    catboost是什么?相对于xgboost以及lightgbm有什么优势?如何使用randomSearchCV和Catboost进行组合获取最优参数组合? CatBoost 是由 Yandex 的研 ...

  8. 【组合数学】组合恒等式 ( 变下项求和 3 组合恒等式 | 变下项求和 4 组合恒等式 | 二项式定理 + 求导 证明组合恒等式 | 使用已知组合恒等式证明组合恒等式 )

    文章目录 一.组合恒等式 ( 变下项求和 ) 变系数求和 1 二.组合恒等式 ( 变下项求和 ) 变系数求和 1 证明 ( 二项式定理 + 求导 ) 三.组合恒等式 ( 变下项求和 ) 变系数求和 2 ...

  9. 组合测试法是什么 软件测试,组合测试法中的全对偶测试法

    在测试设计过程中,大家都会遇到很多变量进行组合的情况,对相互组合的两个或更多变量进行的测试活动就是组合测试,一般情况下都是使用组合测试法,但这种情况很多测试人员研究得不够深入.测试人员需要开发或了解组 ...

  10. python 类继承和组合_python3--类与继承和组合

    类和继承:"是一个"关系 我们已经深入探索了继承的机制,这里举个例子来说明它是如何用于模拟真实世界的关系的.从程序员的角度来看,继承是由属性点号运算启动的,由此触发实例.类以及任何 ...

最新文章

  1. Ubuntu下Qt配置Opencv
  2. Spring初学(一)
  3. java多线程编程_阿里P8熬到秃头肝出来的:Java多线程+并发编程核心笔记
  4. 小米“618”战报:全平台支付金额破190亿,同比增长90%
  5. php mvc登陆注册,Asp.Net MVC 5使用Identity之简单的注册和登陆
  6. Python装饰器几个有用又好玩的例子
  7. (cljs/run-at (JSVM. :all) 一次说白DataType、Record和Protocol) 1
  8. Android软件开发之SharedPreferences
  9. Linux系统编程 -- IO缓冲区
  10. unity中连接MySQL数据库的方法封装
  11. 新数据库必须要做一次完全备份之后才能保留日志,在做备份之前还原模式就是简单,不管你选什么!
  12. 武汉大学计算机学院2010情景剧,武汉大学金秋情景剧大赛精彩落幕(组图)
  13. 积分换元法中换元单调性问题的讨论
  14. 2015美国计算机研究生就业,2015年美国计算机专业研究生排名
  15. 项目风险常见清单列表库--再也不愁不能提前预知风险了
  16. 科学中的人工智能革命
  17. java 日历签到功能_Android 在日历的基础上实现签到功能
  18. 关于String str1 = “123“ 和 String str2 = new String(“123“)内存分析
  19. 绘制cadence16.6原理图库
  20. NLP自然语言处理实例——实现机器自动生成商品的推荐标题和推荐语

热门文章

  1. Python pandas.DataFrame.add_suffix函数方法的使用
  2. 百度地图api 在3D地图中设置自定义样式
  3. ISBN 国际标准书号
  4. 数控车床 刀尖补偿用法 G41 G42 G40
  5. dataFrame(DF)将数据插入ES时报错 org.elasticsearch.hadoop.EsHadoopIllegalArgumentException: Cannot detect E
  6. 部署在服务器上的行驶证识别api接口
  7. OEM、ODM模式区别
  8. 如何缓解眼疲劳(眼疲劳敷眼睛是热敷还是冷敷)
  9. 人生七年,耗时56年跟拍14个孩子,结局道尽人生残酷真相
  10. 如何恢复RAW格式移动硬盘的数据