馬科維茨的均值一方差組合模型(轉載)
馬科維茨的均值一方差組合模型(Markowitz Mean-Variance Model,Markowitz Model簡稱MM)
馬科維茨的均值一方差組合模型簡介
證券及其它風險資產的投資首先需要解決的是兩個核心問題:即預期收益與風險。 那麼如何測定組合投資的風險與收益和如何平衡這兩項指標進行資產分配是市場投資者迫切需要解決的問題。正是在這樣的背景下,在50年代和60年代初,馬可維茲理論應運而生。
馬科維茨模型的假設條件
該理論依據以下幾個假設:
1、投資者在考慮每一次投資選擇時,其依據是某一持倉時間內的證券收益的概率分佈。
2、投資者是根據證券的期望收益率估測證券組合的風險。
3、投資者的決定僅僅是依據證券的風險和收益。
4、在一定的風險水平上,投資者期望收益最大;相對應的是在一定的收益水平上,投資者希望風險最小。
根據以上假設,馬可維茲確立了證券組合預期收益、風險的計算方法和有效邊界理論,建立了資產優化配置的均值-方差模型:
目標函式:minб2(rp)=∑ ∑xixjCov(ri-rj)
rp= ∑ xiri
限制條件: 1=∑Xi (允許賣空)
或 1=∑Xi xi>≥0(不允許賣空)
其中rp為組合收益, ri為第i只股票的收益,xi、 xj為證券 i、j的投資比例,б2(rp)為組合投資方差(組合總風險),Cov (ri 、rj ) 為兩個證券之間的協方差。該模型為現代證券投資理論奠定了基礎。上式表明,在限制條件下求解Xi 證券收益率使組合風險б2(rp )最小,可通過朗格朗日目標函式求得。其經濟學意義是,投資者可預先確定一個期望收益,通過上式可確定投資者在每個投資專案(如股票)上的投資比例(專案資金分配),使其總投資風險最小。不同的期望收益就有不同的最小方差組合,這就構成了最小方差集合。
馬科維茨模型的意義
馬科維茨的投資組合理論不僅揭示了組合資產風險的決定因素,而且更為重要的是還揭示了“資產的期望收益由其自身的風險的大小來決定”這一重要結論,即資產(單個資產和組合資產)由其風險大小來定價,單個資產價格由其方差或標準差來決定,組合資產價格由其協方差來決定。馬可維茨的風險定價思想在他建立的“均值-方差”或“均值-標準差”二維空間中投資機會集的有效邊界上表現得最清楚。下文在“均值-標準差”二維空間中給出投資機會集的有效邊界,圖形如下: http://wiki.mbalib.com/w/images/c/cd/%E9%A9%AC%E7%A7%91%E7%BB%B4%E8%8C%A8%E6%A8%A1%E5%9E%8B.jpg
上面的有效邊界圖形揭示出:單個資產或組合資產的期望收益率由風險測度指標標準差來決定;風險越大收益率越高,風險越小收益率越低;風險對收益的決定是非線性(二次)的雙曲線(或拋物線)形式,這一結論是基於投資者為風險規避型這一假定而得出的。具體的風險定價模型為:
且A,B,C,D為常量;R表示N個證券收益率的均值(期望)列向量,Ω為資產組合協方差矩陣,1表示分量為1的N維列向量,上標T表示向量(矩陣)轉置(公式(5)的推導過程。
馬科維茨均值一方差組合模型的優缺點
馬可維茨的風險定價思想和模型具有開創意義,奠定了現代金融學、投資學乃至財務管理學的理論基礎。不過這種理論也有缺點,就是他的數學模型較為複雜,不便於實際操作。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/7942439/viewspace-17817/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 均值、方差、協方差、協方差矩陣、特徵值、特徵向量矩陣特徵
- 羅伯特·庫茨的管理技能模型(轉載)模型
- 隱馬爾科夫模型HMM(一)HMM模型馬爾科夫模型HMM
- 赫茨伯格工作豐富化模型(轉載)模型
- 明茨伯格的戰略5P模型(轉載)模型
- 計算資料集均值方差
- 馬爾可夫鏈模型(轉載)馬爾可夫模型
- Python求均值,方差,標準差Python
- 【HMM】隱馬爾科夫模型HMM馬爾科夫模型
- scipy.stats 庫的使用,np求均值和方差
- 一致性組織模型法(轉載)模型
- 產品組合策略(轉載)
- PyTorch基礎——均值、(無偏估計)方差PyTorch
- 機率統計-常見分佈的均值及方差
- 組合模型初探模型
- 有效組織的7S要素模型(轉載)模型
- 一個隱馬爾科夫模型的應用例項:中文分詞馬爾科夫模型中文分詞
- 隱馬爾科夫模型(HMM)分詞研究馬爾科夫模型HMM分詞
- Python多維列表(元組)合併成一維形式Python
- 科學組合,系統學習
- 組合思維與繼承思維的不同繼承
- 用hmmlearn學習隱馬爾科夫模型HMMHMM馬爾科夫模型
- IT組合和專案組合管理(轉)
- 組合計數思維題
- 【轉載】Python字串操作之字串分割與組合Python字串
- 隱馬爾科夫模型前向後向演算法馬爾科夫模型演算法
- 組合查詢 (轉)
- 一個馬爾科夫鏈例項馬爾科夫
- 組合語言的藝術(轉)組合語言
- 【機器學習】--隱含馬爾科夫模型從初識到應用機器學習馬爾科夫模型
- RFM模型(轉載)模型
- SERVQUAL模型(轉載)模型
- SIPOC模型(轉載)模型
- ALIEDIM模型(轉載)模型
- 冰山模型(轉載)模型
- GROW模型(轉載)模型
- QQTC模型(轉載)QT模型
- KANO模型(轉載)模型