文摘

传统的投资组合选择模型主要获得优化的投资组合比例通过关注金融产品的价格。然而,投资者的多个偏好和风险偏好也应该考虑的重要因素。在同时考虑这两个因素,我们提出一个double-hierarchy模型。具体地说,第一个层次量化投资者的风险偏好基于历史模拟方法和概率偏好理论。这个层次结构可以用来描述投资者的风险偏好变量和确保获得的投资比率满足投资者的直接风险的需求。然后,使用cross-efficiency评价原则,可以推导最优投资比率,融合多个偏好和风险偏好投资者的第二层次结构。最后,一个说明性的例子关于评估前十大的股票在深圳证券交易所给验证新模型的可行性和有效性。我们做出理论贡献改善传统的投资组合选择模型,特别是考虑到投资者的主观偏好和风险偏好。此外,该模型可以帮助投资者实际在现实生活中与他们的投资策略。

1。介绍

投资组合选择在经济学领域得到了广泛的讨论。作为一个有效的工具来分散风险,增加利润,如何优化投资组合对投资者也已成为一个热点问题。从优化投资组合可以分散风险,他们可以以不同的方式,灵活地改变根据投资者的风险偏好。尽管人们将主要关注预期的回报,也应该考虑到一些关键元素,如投资者的风险偏好和他们的主观偏好。这两个关键元素是变量不同的投资者。此外,投资者的风险偏好和喜好可以在不同时期是动态的。因此,他们可以通过内部和外部的影响因素。相反,如何量化动态风险偏好和多个投资者的偏好也是本文要处理的问题。从投资者的角度来优化投资组合选择的动态风险偏好和主观偏好,本研究提出了一种double-hierarchy模型认为投资者的动态风险偏好概率偏好同时和多个偏好。此外,我们可以利用这种新模型的可行性和有效性,证明了通过提供一个基于中国数据的实证分析深圳a股市场。

在先前的研究在投资领域,多数学者关注回报和风险(1),股东财富、资产配置和金融产品价格。然而,理性的投资者会做出投资决策仅仅是基于一个偏好等金融产品的价格。相反,他们倾向于考虑多个与动态风险偏好相对偏好的投资目标。的观点,一些学者提出multipreference模型来解决上述问题。例如,关颖珊[2)提出了七种multipreference最优算法模型,不需要一个明确的排名的股票。基于该算法,小君(3)提出,金融产品的价格时,必须考虑考虑最小的风险和最大的利益,而且价格也决定了投资组合选择的重量。张伯伦et al。4使用它来计算最优投资组合,使投资者能够放大不同形式的资产。其他学者主要关注投资组合选择,预测股票回报的5),等等。

作为媒介的投资,投资组合分析,multipreference分析和选择是关键因素,金融产品市场不容忽视。因此,考虑multipreference组合分析也是当前研究的关键。从偏好的角度分析,不同的学者对投资组合进行了研究偏好选择问题,偏好评估和偏好的影响。本文主要是基于cross-efficiency模型和选择multiple-preference投资组合模型。之前的研究表明,单一的偏好和双重偏好会影响风险资本在一定程度上。在经典的效率评价,目前最大的问题就是如何选择积极的和仁慈的。研究人员已经开始更深入的研究和分析。梅(6)应用dual-preference分析投资组合的新战略,首次获得更高的回报率。笔者和Sougiannis7)使用动量偏好指标和价值偏好指标分析市场效率,结果表明,他们可以产生更高的利润。根据他们的分析,保罗和伯金(8)发现的回报率两个是相互独立的,和回报率增加,但他们是不相关的。李和壮族9];Reikvam et al。10];和Asai & Mcaleer [11)进行详细的研究观点的准确性、可行性、分别和简单的偏好选择。罗利和Kwon12]从多个角度分析当前投资偏好的即时性、代表性和风险偏好选择和改进的自适应水平。此外,雪和周13和Israelov和克莱因14]分类multipreference指标的性质;在此基础上,哈利(15)研究了异质性multiple-preference选择和应用研究模型在股票市场投资组合。他们发现,由于外部效应,只有盈利能力指标的偏好并不适用于投资组合的市场。

一般来说,目前的投资组合集中在投资交易风险的偏好,盈利和有代表性的指标。虽然研究成果相当丰富,现有的理论仍难以匹配的不断发展金融产品市场的投资组合。因此,我们使用变量多个偏好来满足日益增长的投资需求。

上述调查考虑一些基本要素的组合。然而,典型的投资者将调整自己的投资组合选择由于收入的增加或减少,原始投资目标的变化,投资macroenvironment的变迁。因此,本文介绍了几个具有代表性的因素,投资者风险偏好的投资组合选择模型。

投资者的风险偏好已经投资领域的一个热点问题。通常分为规避风险、风险中性和风险。领域的学者主要关注纯传染,商品返回,汇率(16]。从传统的定性不同实证测试,一些研究者尝试研究变量风险偏好的投资者17]。此外,一些报纸扩大风险偏好系数(18- - - - - -20.]。Smimoua et al。21)认为,投资组合选择需要引用特定的偏好。在这些的基础上,史密斯和Ierapetritou [22)提出了一个评价标准,zr和Bayoumi23提出了组合多个评估标准;他们都是丰富的研究内容组合评价标准。此外,一些学者关注风险资本和技术性能由多个评估标准(24- - - - - -26]。投资者的风险偏好也是一个投资组合领域的重要研究内容。因为朋友和布卢姆(27)提出了风险态度系数,首先,许多学者关注的风险态度的研究,和汉森和单例28)测量了风险态度系数从0.68到0.97不等。其他学者采用不同的数据来衡量风险态度系数,得到不同的范围;Halek和Eisenhauer29日)测量,平均风险偏好系数是3.735基于人寿保险数据。Nosic和韦伯(30.)发现,投资者的风险偏好在面对多变的多元化的金融产品;特别是,Zhang et al。5)认为,风险偏好的变化会改变先前的回报。Dulleck等人,陵和龙(31日,32)表明,风险偏好将宏观经济指标的变化。因此,我们试图调查变量投资者的风险偏好,并通过量化历史模拟和概率偏好理论。

正如上面提到的,以往的研究主要集中在一个投资组合的偏好,比如金融产品的价格,但不关注投资者的风险偏好变量。因此,我们量化的变量风险偏好并介绍成multipreference投资组合选择模型进行进一步的实证调查。

本文的其余部分组织如下:第二部分介绍了multiple-preference投资组合选择模型(mmp)。将阐明Double-hierarchy multiple-preference模型(DHMP)部分3。第四节解释了建模步骤和说明的例子。第五节进行了实证研究。第五部分为结论和一些研究方向。流程如图1。

2。Multiple-Preference投资组合选择模型的背景概率偏好

2.1。喜好和多个偏好

在金融产品市场,投资者做出选择,选择产品是否在过去主要是基于当前和历史的金融产品的价格。换句话说,投资组合选择是受到价格偏好的影响。然而,随着金融产品市场持续改善,增加投资者考虑多个偏好。|产品的偏好很宽。从回报的角度和风险属性,有高风险和高回报,低风险,低回报,无风险回报。从行业属性的角度,有高能源消耗、低能耗,绿色环保。我们从multiple-preference属性分析投资组合模型的回报和风险的偏好和测量指标特点的金融产品的投资对象。不同的投资指标反映不同的偏好。利用cross-efficiency评价方法,介绍了包含多个参数进行投资组合模型。

效率评价思想的帮助下,我们从风险和回报的角度解释偏好。当一个市场风险偏好,只有一个评价单元的投资产品,但往往有多个偏好和多个决策单元在实际投资。通过多个偏好,多种风险和回报投资产品可以清楚的分析问题,决策者不需要给任何主观信息,和不需要预设一定的生产函数。

2.2。Multiple-Preference投资组合选择模型和计算

然后,我们构建multiple-preference cross-efficiency背景的投资组合选择。假设有评价单位。有不同的风险偏好和返回偏好评价单位,风险和收益向量

multiple-preference值 ,我们可以用传统的CCR模型计算: 在哪里 和 代表风险偏好的重量并返回参数 。我们可以得到最优的重量 multiple-preference单位的解决模型(2);此外,cross-evaluation的值可以通过以下方程:

的cross-evaluation价值偏好单元可以通过比较获得方程(2)和(3)。每单位的偏好,所有cross-evaluation值 平均由以下方程:

是最后的效率值。在上面的方程中,模型的最优目标值(2)是独一无二的,但是最佳体重可能不是唯一的。通过方程的计算(3),我们可以解决多个不同cross-efficiency偏好值;为了解决这个问题,我们构建以下方程形式multiple-preference投资组合选择模型: 在哪里和代表标准数量的风险偏好和有利可图的偏好,提出 和 。 和 表示向量的比例 ,分别。此外,表示自我价值,是cross-evaluation值和计算的模型。

然后,我们计算后 ,的均值和方差 。最后,我们把它使用均值方差模型进行multiple-preference投资组合选择模型。 在哪里的方差代表投资者的选择,也就是说,风险衡量的总体选择,协方差的投资产品,和的重量是不同的金融产品。此外,是预期的回报率;我们结合多个偏好和投资组合理论来构建一个multiple-preference投资组合选择模型。

3所示。Double-Hierarchy Multiple-Preference模型基于概率偏好

基于多个偏好,我们提出一个double-hierarchy multiple-preference模型变量组成的风险偏好系数基于概率偏好和多个偏好;我们首先介绍了历史模拟方法和概率偏好来描述变量风险偏好,和之后的第二层次计算,得到最优投资组合的重量;这个过程是显示在图中2。

3.1。第一层次的计算变量概率偏好的风险偏好

在本部分中,我们介绍了区间概率偏好作为证据的措施,认为事件的发生概率是一个区间值,并描述模棱两可的选择,根据概率理论(33,34]。投资者的偏好的程序所描述的四种类型的关系:超越 ,不能比较 ,平等的 ,比 ,扩大到超过,比相等的,无与伦比的,但有一个以前的 ,不与上界 ,不能与上界和下界不能与无限 ;我们把区间概率理论作为不确定的决策工具。设置项目选择问题;其他的替代方案是 ,决策小组 ,的重量是 , , 偏好关系和吗 , 是时间间隔的概率分布,的概率 : 和 , 。

确定目标函数的概率最大化投资者的偏好关系如下公式: 在哪里代表了总概率。确定集体所有方案的偏好B,得到集体偏好通过求解模型 。使用二进制关系优先级规则过滤和偏好信息的程序。我们的平均上界和下界历史模拟的基础。

因为投资者更喜欢根据自己的风险偏好,构造投资组合概率偏好计算后,我们结合历史模拟变量来描述投资者的风险偏好。首先,投资者提供一些金融产品是基于他们的利益。然后,列表的金融产品可以给投资者的首选。因此,我们计算变量投资者根据自己的风险承受系数列表使用以下模型: 在哪里和优化结果计算模型(9)和(10),分别代表最高的盈利风险矩阵和最低的一个,是负的, , 投资组合选择的数量,变量风险承受的系数和吗 。除此之外,和松弛变量, 。

我们可以发现,投资者应该提供一个军衔目标,然后他们变量风险偏好可以通过这个模型计算。例如,如果有四个股票,一个,B,C,D,投资者给了他/她的排名基于他/她的主观评价,等 。然后,我们使用模型(8)和(9)来计算和 ,分别推导出变量风险承受的参数基于模型(8)。

3.2。第二层次的融合概率偏好和变量风险偏好

融合上述变量风险偏好和计算最优投资比例,我们建立一个multipreference投资组合选择模型的基础上的想法cross-efficiency [35]。与多个偏好模型可以评估金融产品并提供投资组合选择。此外,不同金融产品投资组合权重的计算和有效边界可以由以下模型: 在哪里和代表的数量评估风险和盈利的变量,表示为 和 ,和 和 表示向量的比例和 ,分别。此外,表示自我价值,cross-evaluation值,可以计算吗 , 基于仁慈的策略来获得最大化平均cross-evaluation每个变量的值,然后呢获得基于积极的策略来最小化平均cross-evaluation每个变量的值。

通过集成模型(9)和(10)变量风险承受的系数 ,我们构建multipreference投资组合选择模型,即模型(11)。

基于模型(11),我们可以使用矩阵计算两个统计偏好相似价格的均值和方差偏好。我们可以发现,融合了多个变量偏好和风险偏好,在此基础上我们可以获得最优投资比例和组合使用传统的投资组合模型。很明显,计算最优投资比例计算的基础上,投资者的风险偏好变量和多个相对偏好。

4所示。投资组合选择概率偏好步骤和说明的例子

在本节中,我们将定义模型和multiple-preference选择情况。这种情况下是一个程序,投资机构可以准备他们的客户,这是用于验证mpp和氧化二氢模型的有效性和实用性。随后,更深入的分析证明本文方法的有效性。

首先,我们给在多个偏好、风险和盈利能力指标主要有以下属性:风险指标和盈利能力指标的数量在多个偏好不需要平等,和多个风险可以比较多个盈利能力。也可以更多的风险与利润较低;multiple-preference指标应该充分反映风险和盈利能力。风险指标和盈利能力指标的形式给出一个矩阵。如果偏好信息显示在矩阵,然后multiple-preference组合模型的权重也可以有多个参数,因为多个投资组合模型包含所有的偏好信息;上述标准可以概括算法1。

此外,我们正常化和纠正多个效率的原因是,(1)正常化效率值简化计算过程的复杂性;(2)消除异常值有助于确保结果的稳定性和准确性multipreference组合。此外,CCR价值首先也是确保multipreference的有效性分析;如果异常值的效率值没有消除,结果很容易错误的增加。全面显示mmp的过程,给出了算法的一个简单的例子如下。

例1。mpp模型用于获得效率值与多个偏好基于现有的信息。例如,我们可以假定现有的信息矩阵的差和 ,具体形式如下: 步骤1:马克mmp multipreference风险矩阵, 和multipreference利润矩阵, 步骤2:解决multiple-preference自我评价效率值和平均cross-efficiency矩阵: 第三步:给multiple-preference优化排名: 。第四步:计算的方差和协方差矩阵 :var ( ),浸( )。 第五步:很容易做一个组合使用效率的均值和协方差。根据上面的方程,mmp multiple-preference矩阵可以得到;mmp然而,当我们选择一个投资组合,如果方差和协方差矩阵负定,我们需要改变他们正定。清楚地展示过去的mmp的过程,我们想看一个例子。
假设我们有三个债券(一个,B,C),他们的预期回报 ,和预期的协方差: 选择10安全组合其中,画一个风险回报曲线,并生成一个有效的边界。
对我们来说是很容易的得到运行差的有效前沿:最好的优势组合的集合形成一个有效前沿曲线在图3。横坐标代表方差,纵坐标代表预期的收入。此外,差的算法也给了十个不同的安全投资组合形式下的预期回报,和投资者可以根据不同的安全选择自己的喜好组合形式;细节如表所示1。
正如前面所提到的,我们需要连接投资者的风险承受的系数和多个参数,构建一个double-hierarchy投资组合模型,并分析投资组合选择。因此,在解决变量风险偏好系数的过程中,我们也给一个简单的案例来说明该模型解决方案在算法的有效性2。
我们可以得到 和 。然后,我们可以建立以下方程: 我们计算偏好系数 基于上述方程;只要投资者做出选择,我们可以通过历史模拟计算变量风险偏好系数和概率偏好。

5。Double-Hierarchy模型的实证研究对概率偏好

5.1。数据和结果

为了证明double-hierarchy模型的可行性,在本节中,前十大资本化刚刚上市的股票在深圳证券交易所上市一年被选中为研究目标。由于数据不足和不完整的投资这些股票的信息,传统的投资组合选择方法不能在这种情况下使用。相反,提出double-hierarchy模型,结合变量概率偏好的风险偏好和multiple-preference指标更适合解决这个问题。该模型使用的数据深圳一个股市场和消除股票和不完整的信息(见下表3)。

的投资者的偏好,4股的一个例子, , , ,和 ,被列为 或其他关系。在那之后,最小值和最大的价值可以通过模型(计算7)- (9)。假设他们的最大值是0.8,0.9,1.5,和0.5,最小值是0.5,0.6,0.7,和0.8,分别。然后,基于概率偏好理论(模型(7)),我们可以得到一个相应的风险承受的系数是0.47。

在表4,风险偏好变量是存货周转,流动比率,速动比率,盈利能力和偏好变量是每股收益增长比率,净利润增长率和资产回报率。在这个例子中,我们选择这些偏好指标,因为他们在投资领域有着广泛的应用,它可以反映我们的模型的特点。

我们可以计算double-hierarchy模型并获得结果如表所示5。几个结论推导出根据实证结果:(1)每一行给出了最优投资组合选择,和相应的资本投资的比例可以看到在图4,这使投资者更详细的投资建议。(2)投资者可以适当的和动态决策变量的考虑投资风险偏好。

5.2。投资组合比较在不同风险偏好概率计算的偏好

在本节中,我们比较了四个不同风险偏好的投资组合有效前沿和多个选择和比较的结果double-hierarchy投资组合与风险和回报。

图5显示投资组合有效前沿的欲望0.5,0,1,0.47。很容易看到,投资者同步变化的有效边界与投资者的胃口;此外,边境减缓风险偏好的价值就会降低。

数据4和6计算的结果提出double-hierarchy模型,目前设定的最小方差基于四个不同的风险偏好。此外,我们计算和比较不同风险偏好的投资组合的平均体重。结果表明,组合考虑投资者规避风险,风险中性,和风险高度适合double-hierarchy模型的结果,除了000673年。深圳下投资组合的风险偏好系数为0.5。实际上,这只股票的股东在2018年冻结他们的账户。因此,我们在第二个最大重量为进一步比较,结果也匹配double-hierarchy模型计算的。规避风险的高和低重量是000839。深圳和000802。深圳,advance-decline和−−5.16%和19.59%,分别。000839年风险中性是更高和更低的权重。深圳和000802。深圳,advance-decline和−−5.16%和19.59%,分别。000719年高和低风险的权重。深圳和000802。SZ, and their advance-decline are −5.16% and −19.59%, respectively (see Figure6)。

图5描述了最优投资组合 , , ,和 ;对应的横坐标和纵坐标是领域的风险和回报的投资组合,分别。有效边界上的每个点代表了收益和风险的组合对应不同的股票投资组合。证券投资组合在其他点不是最好的,因为他们不能获得最大的受益最少的风险,和我们没有相应的下半部分低效投资的前沿。凸集是没有意义的,不可能减少回报的投资者,以换取更高的风险。表6显示了不同风险偏好下的平均最优权重。

我们可以看到在图7,两只股票000038。深圳和000156。深圳浮动显著下降;DHMP的最佳体重计算,它可以发现,这两个股票的重量小,有效地降低了投资的风险。结果表明,本研究证明了提出double-hierarchy模型的可行性和有效性的概率偏好。

6。结论

投资组合理论是现代经济理论中发挥着越来越重要的作用。如何准确、方便地测量投资者的风险偏好是当务之急。因为影响因子确定投资者的主观风险偏好在宽范围包括时间、年龄、和资产状况,很难全面分析和量化投资者的风险偏好在投资组合的计算过程。为了解决这个问题,我们把历史模拟和概率偏好,mmp和DHMP模型,考虑到投资者的风险偏好和多个参数。因此,投资者可以获得最优投资比例为他们提供更准确和个人投资策略。在本文中,我们从理论的角度作出了一些贡献改进和实际应用。首先,我们提供最优投资组合选择不同的投资者多样化的投资需求。第二,投资者可以测量动态风险偏好概率偏好。最后,新提出的方法应用到实际应用来验证其可行性和有效性。

然而,仍然有一些限制DHMP模型及其应用。例如,我们没有一个正常的形式和标准multiple-preference选择,时间跨度是有限的。此外,在未来的研究中,我们将尝试提供一个更合理的选择概率偏好和使用面板数据的偏好。

数据可用性

股票数据收集(从风数据库)的实证研究用于支持本研究的结果中包括这篇文章。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了国家社会科学基金:金融监管部门的方式来惩罚违法的研究机构和点球定价(项目没有。19 bjy251)。