基于股票价格波动问题的消除系统风险的投资组合模型研究
投资组合理论
投资组合理论投资组合理论（Portfolio Theory)投资组合理论简介投资组合理论有狭义和广义之分。
狭义的投资组合理论指的是马柯维茨投资组合理论；而广义的投资组合理论除了经典的投资组合理论以及该理论的各种替代投资组合理论外，还包括由资本资产定价模型和证券市场有效理论构成的资本市场理论。
同时,由于传统的EMH不能解释市场异常现象，在投资组合理论又受到行为金融理论的挑战。
[编辑]投资组合理论的提出[1]美国经济学家马考维茨(Markowitz)1952年首次提出投资组合理论（Portfolio Theory)，并进行了系统、深入和卓有成效的研究，他因此获得了诺贝尔经济学奖。
该理论包含两个重要内容：均值－方差分析方法和投资组合有效边界模型。
在发达的证券市场中，马科维茨投资组合理论早已在实践中被证明是行之有效的，并且被广泛应用于组合选择和资产配置。
但是，我国的证券理论界和实务界对于该理论是否适合于我国股票市场一直存有较大争议。
从狭义的角度来说，投资组合是规定了投资比例的一揽子有价证券，当然，单只证券也可以当作特殊的投资组合。
人们进行投资，本质上是在不确定性的收益和风险中进行选择。
投资组合理论用均值—方差来刻画这两个关键因素。
所谓均值，是指投资组合的期望收益率，它是单只证券的期望收益率的加权平均，权重为相应的投资比例。
当然，股票的收益包括分红派息和资本增值两部分。
所谓方差，是指投资组合的收益率的方差。
我们把收益率的标准差称为波动率，它刻画了投资组合的风险。
人们在证券投资决策中应该怎样选择收益和风险的组合呢？这正是投资组合理论研究的中心问题。
投资组合理论研究“理性投资者”如何选择优化投资组合。
所谓理性投资者，是指这样的投资者：他们在给定期望风险水平下对期望收益进行最大化，或者在给定期望收益水平下对期望风险进行最小化。
因此把上述优化投资组合在以波动率为横坐标，收益率为纵坐标的二维平面中描绘出来，形成一条曲线。
证券投资组合研究
本科生实践教学活动周实践教学成果成果形式：论文成果名称：证券投资组合模型研究学生姓名：目录一类证券投资组合模型研究 (2)序言 (1)一、证券投资组合模型的发展现状 (1)二、证券投资组合理论概述 (3)三、CEVaR风险度量的理论建构 (3)（一）证券投资组合中熵风险度量的引入 (3)（二）证券投资组合的 CVaR 风险度量的引入 (4)（三）CEVaR 风险度量方法的提出 (5)四、CEVaR模型在证券投资组合中的实证研究 (5)（一）证券投资组合的CEVaR模型 (5)（二）数据的选取与处理 (6)结论 (10)参考文献 (11)一类证券投资组合模型研究研究背景：证券市场是一个高风险市场。
为了分散风险并获得最大收益，许多投资者将多种证券组合在一起进行投资，使得证券投资组合的研究成为金融界面临的重要课题之一。
Markowitz 以证券收益率的方差作为组合证券风险的度量，开辟了金融定量分析的时代，在度量风险的基础上建立了组合投资决策模型。
关键字：证券投资组合；风险；熵；CVaR 度量；CEVaR 模型序言随着经济全球化、金融一体化进程的加快，各国金融市场的开放程度不断加深、金融市场之间的联系进一步加强。
资本在全球范围内大量、快速和自由流动以及全球金融市场之间的价格协同运动使得任何地区的金融市场的局部波动都会迅速波及、传染、放大到其他市场。
金融业的激烈竞争导致了金融创新的浪潮，并由此引发了政府对金融业的放松管制，反过来又加剧了市场竞争，为以衍生金融产品为核心的金融创新提供了内在的动机和良好的环境，这一螺旋式的过程导致金融市场的不确定性和波动性增大；信息技术、现代金融理论和金融工程技术的突破性发展，提高了国际金融市场中资金和信息的流通效率，提高了对复杂金融产品和交易的准确定价能力，从而导致金融市场的交易品种、交易量和交易速度的爆发性增长，金融市场的复杂性和不稳定性大大提高；同时，为了规避风险、提高竞争力、逃避管制而展开的金融创新活动，在放松管制和技术进步的刺激下异常活跃，导致高风险的衍生金融工具飞速增长，这使金融风险得到有效的分散和转移的同时又成为金融市场风险新的来源。
CAPM模型在中国证券市场的实用性分析——王... (1)
CAPM 模型在中国证券市场的实用性分析摘要资本资产定价模型（capital asset pricing model ，CAPM ）是投资组合选择的均衡理论，在西方己经有五十多年的研究历史。
该模型被引入中国后，我国学者进行了大量的研究，得出了多种不同的结论。
CAPM 具有不可否认的应用价值，以长期的样本数据对理论模型最基础最被广泛应用的形式进行实证检验，无疑是证明理论模型解释力优劣的较好方法。
通过本次检验得出的结果显示，CAPM 对我国股票市场的解释作用是有限的。
关键词CAPM ；股票市场；证券市场线；实证检验资本资产定价模型是由美国学者威廉•夏普在1964年提出的。
夏普在马科维茨的有效证券投资组合理论的基础上，继续做出严格的假设，依据分离定理、市场证券组合和市场均衡原理，得出对于任何市场中的证券（或证券组合），它与市场组合的组合所形成的风险—收益双曲线必定与资本市场线相切于市场组合所对应的点上。
进而推导出最初的资本资产定价模型： R =R (R R )i m f i f β+-，它是第一个在不确定条件下，使投资者实现效用最大化的资本资产定价模型，导致了西方金融理论的一场革命。
作为现代金融理论的三大基石之一, CAPM 经常被西方发达国家的投资者用来解决金融投资决策中的一般性问题,在诸如资产估价、投资组合绩效的测定、资本预算、投资风险分析及事件研究分析等方面得到了广泛的应用。
同时，也为投资者提供了在进行投资决策时自行判断股票价值与风险的方法，即可以通过一种代表市场风险的资产收益率，以及投资目标的历史收益率数据和适当的无风险收益率计算投资目标证券的β值，并据此做出投资决策。
在资本资产定价模型的多种作用中，其对投资实践的指导作用尤为重要。
一、CAPM 在投资分析中的作用：资本资产定价模型一经推出，便受到了广泛的关注，对理论和实践的发展起到了重要的促进作用。
在证券投资领域，CAPM 最基础的作用有两个，即风险衡量和证券的价格评价。
CAPM模型在中国股市的应用及实证分析_陈沁芳
C APM模型在中国股市的应用及实证分析s陈沁芳西南财经大学统计学院=摘要>根据CAP M模型,对深发展、万科、雅戈尔三只股票进行实证分析,并对比CAP M模型,分析其截距项和B系数的不同情况,阐述其原因。
=关键词>CAP M模型B系数截距项A一、引言CAP M(Cap i tal A sset Pri ci ng M odel)由美国财务学家T reynor (1961),Sharpe(1964),Li n t n er(1965),M ossi n(1966)等人于1960年代所发展出来。
其目的是在协助投资人决定资本资产的价格,即在市场均衡时,证券要求报酬率与证券的市场风险(系统性风险)间的线性关系。
作为现代金融理论的三大基石之一,CAP M经常被西方发达国家的投资者用来解决金融投资决策中的一般性问题。
同时CAP M为投资者提供了一种机制,投资者可以根据资产的系统风险而不是总风险来选择金融资产,可通过权威性的综合指数来确定市场组合的预期收益率,并据此计算可供选择的单项资产的B系数。
二、CAP M模型的建立以及回归分析基于CAP M模型建立的统计模型中的参数A和B,建立模型如下:(r it-r if)=A i+B i(r m t-r if)+E t其中,A表示当市场风险溢价rm t-r if为0时,该股票的不规则的收益率的平均值,也就是该股票收益率中不受市场影响的那部分收益率。
B系数被作为度量某种投资风险的指标,表示该股票的收益随市场收益率变动而变动的程度。
作为风险衡量指标,B系数越大,系统性风险越大。
B系数测度的风险,是能够带来收益补偿的系统风险,这部分风险并不能通过证券组合进行消除。
由于各股票的样本量、变量数量均相同,故参数检验的t统计量的临界值相同。
取在显著性水平A=0.05,t0.025(36-2)=2.032。
并且对于所有的模型,检验A是否为0。
假设:HO:A=0vsH1:A X0。
系统性风险度量方法及研究
系统性风险度量方法及研究引言在金融市场中，风险是一个不可避免的问题。
风险的影响可以是系统性的，即影响整个市场的稳定性和风险承受能力。
对系统性风险的度量和研究成为了金融领域的重要课题。
本文将就系统性风险度量方法及研究进行探讨，以期为投资者、研究者和市场监管者提供有益的参考。
一、系统性风险的概念系统性风险是指那些由于整个市场或行业的变化所导致的风险，而不是由于某个特定资产或者投资组合的特性所引起的风险。
系统性风险是指整个金融市场、经济系统和相关行业所面临的风险。
它与特定风险不同，特定风险只是指针对某个特定资产或者投资组合的风险，而系统性风险则是整个市场所面临的风险。
系统性风险的主要来源包括宏观经济因素、政治因素、市场结构因素等。
宏观经济因素包括通货膨胀率、利率变动，政治因素包括政治不稳定、战争、政策变化等，市场结构因素包括市场的流动性、交易规模等。
这些因素的变化都会直接或间接地影响到整个市场的稳定性和风险度。
二、系统性风险度量方法针对系统性风险的度量主要有两种方法，一种是基于市场数据的方法，另一种是基于宏观经济数据的方法。
1. 基于市场数据的方法基于市场数据的方法主要是通过市场指标来度量系统性风险。
其中最常用的指标就是贝塔系数（Beta coefficient）。
贝塔系数是用来度量一个特定资产或者投资组合相对于整个市场的风险敞口。
当市场波动时，贝塔系数可以告诉我们该资产或者投资组合相对于市场的波动情况。
在股票投资中，贝塔系数越高，代表着该股票的价格波动会更大，因此系统性风险也会更高。
还有一些其他的市场数据可以用来度量系统性风险，比如波动率、交易量、成交额等。
2. 基于宏观经济数据的方法基于宏观经济数据的方法是通过经济指标来度量系统性风险。
这些经济指标可以包括国内生产总值（GDP）、失业率、通货膨胀率、利率等。
通过对这些宏观经济数据的分析，可以评估整个市场所面临的系统性风险程度。
三、系统性风险度量方法的研究系统性风险度量方法的研究一直是学术界和金融业界关注的焦点。
金融风险管理中基于CAPM模型的研究
金融风险管理中基于CAPM模型的研究随着全球经济的不断发展和金融市场的不断壮大，金融风险越来越成为了企业经营和投资的重要考量。
为了控制和防范金融风险，建立合理、可靠的风险管理体系已经成为了企业、投资者和监管机构等各方共同关注的问题。
而基于资本资产定价模型（Capital Asset Pricing Model, CAPM）的风险评估和风险管理方法，已经成为了金融领域中较为经典和广泛应用的模型之一。
CAPM是将投资组合的预期收益率与组合的系统风险之间的关系进行建模的一种方法，它是由Sharp, Lintner和Mossin在1964年分别提出来的。
该模型的核心是市场风险溢价（market risk premium），即预期市场收益和无风险收益之差，表示投资者为承载市场系统风险所要求的回报率，它是反映整个市场风险的一个重要指标。
基于CAPM模型，可以通过计算某一投资组合的beta系数（即该组合的市场风险对系统风险的贡献），来衡量该组合的系统性风险。
从而投资者可以制定相应的风险管理策略，实现最大化收益和最小化风险的平衡。
而金融风险管理中，CAPM模型的应用主要包括以下几个方面：1.资产定价和组合构建CAPM模型中市场风险溢价和beta系数的概念成为了资产定价和组合构建中关键的参考因素。
市场风险溢价反映了市场的整体风险，是资产定价的重要指标，而beta系数则是反映了某一投资组合的风险程度，可以用于构建不同风险偏好的投资组合。
2.风险度量和风险控制CAPM模型中，beta系数也是衡量风险程度的重要指标。
通过计算某一投资组合的beta系数，可以了解该组合对系统风险的承担程度。
在风险控制中，投资者可以选择控制组合的beta系数来限制风险。
例如，如果投资者认为市场整体风险增大，可以减少对beta系数较高的股票等资产的投资，从而控制组合的整体风险。
3.资本成本计算和投资决策在确定公司资本成本时，CAPM模型可以作为一个标准参考，即考虑到资本成本的来源不仅包括债务成本，还包括股权成本。
基于ARIMA-GARCH模型的投资组合原理的应用
中国产经Chinese Industry &Economy摘要：以搜狐、网易、特斯拉、搜狗、NETFLIX 五支股票为例，通过R 语言软件，运用ARIMA-GARCH 模型对其10个工作日后的股票价格进行预测，并结合马科维茨等人提出的投资组合理论，可以得出不同投资组合下的预期收益率和风险。
该结果可为具有不同风险偏好程度的投资者日后的决策提供参考，这套方法也可在此类问题中进行广泛应用。
关键词：ARIMA-GARCH 模型；R 语言软件；投资组合；预期收益率；风险一、绪论随着我国人均可支配收入水平的逐渐提高，越来越多的人开始把目光指向了证券投资。
2019年，我国股民数量达到了1.6亿，较上年增长了1324.43万，同比增长9.04%；股票市值更是增长了近15万亿，达到了61.6万亿元。
虽然股市涨势喜人，但是人们从来没有忽视其背后的风险，对股票收益率的预测和如何选择最好的投资组合一直是投资者关注的焦点。
目前证券投资常用的分析方法有基本分析法和技术分析法。
其中，基本分析法从影响证券价格变动的宏观层面、行业层面和公司层面的影响因素出发，分析得出证券市场价格变动的一般规律，从而帮助投资者做出投资决策。
而技术分析是基于“市场行为包容消化一切信息”、“价格以趋势方式波动”、“历史会重演”三大假设，以图表及相关数理指标为主要手段对市场行为进行研究的一种投资分析方法。
但基本分析和技术分析通常只能预测股票价格变化的趋势，因此如果想要得出预期收益和与之对应的风险较为精确的投资组合，我们还需要在基本分析和技术分析的结果的基础上进行更进一步的分析预测，这就需要用到ARIMA 模型等时间序列模型。
对于时间序列模型在证券市场上的应用，很多学者都进行了相关的研究。
其中，刘越、黄敬和王志坚实现了通过ARMA 模型预测股票收益率，并在R 软件上成功应用。
其中，王志坚还针对ARMA 建模中模型识别时自协方差函数的不稳健性，对经典的自协方差函数进行了稳健改进，提高了ARMA 模型识别的精确性；丁磊和郭万山针对黄金价格的波动特征和杠杆效应，在使用ARIMA 模型预测黄金价格的基础上，运用TGARCH 模型修正了预测结果，进一步减小了预测误差；李运田、吴琼和黄金凤以2012年以后的上证数据作为样本，提出一种结合了ARIMA 模型、GARCH 模型和最小二乘法支持向量机的组合模型来对上证综指进行预测，取得了良好的预测效果；方燕、耿雪洋和秦珊珊通过ARIMA-GARCH 模型得出了传媒板块指数的预测，并证实了ARIMA-GARCH 模型可扩展于股票价格呈“尖峰厚尾”分布特征的个股进行预测；孙少岩和孙文轩应用ARIMA-GARCH 模型对加入SDR 后的人民币汇率波动进行了实证检验，并对人民币汇率的短期走势进行了预测。
CAPM模型在A股市场适用性的实证检验
CAPM模型在A股市场适用性的实证检验CAPM模型在A股市场适用性的实证检验摘要：资本资产定价模型（Capital Asset Pricing Model, 简称CAPM）是由沃科兹（William.F.Sharpe）和莫甘斯坦（John.Lintner）基于马科维茨的均值-方差理论提出的，旨在解释资本市场中风险与回报之间的关系。
本文通过对A股市场上的股票数据进行实证研究，旨在检验CAPM模型在A股市场的适用性，并探讨可能存在的原因。
一、引言A股市场是中国最重要的股票市场之一，股票价格波动剧烈，风险性较高。
在这样的市场环境下，是否可以使用CAPM模型来解释股票的回报率成为了一个有趣且重要的问题。
本文通过实证研究，旨在探究CAPM模型在A股市场中的适用性。
二、CAPM模型的原理与假设CAPM模型认为，资产的风险可以分为系统风险和非系统风险。
系统风险是对冲无法消除的风险，非系统风险可以通过多样化投资来消除。
CAPM模型基于以下假设：（1）投资者是理性的和善于计算预期回报和风险的，（2）投资者追求风险最小化，并考虑预期回报，（3）投资者可以无限制地借入或贷款。
三、CAPM模型在A股市场的实证分析通过收集A股市场上的股票数据，本文采用CAPM模型计算每个股票的预期回报率。
然后，我们将实际回报与预期回报进行比较，以检验CAPM模型在A股市场的适用性。
实证结果显示，CAPM模型并不完全适用于A股市场。
首先，实际回报与预期回报之间存在一定的差异，说明投资者在计算预期回报时存在偏差。
这可能是由于A股市场的复杂性和不确定性导致的。
其次，即使在控制了非系统风险后，仍然存在大量未解释的系统风险。
这表明CAPM模型不能完全解释A股市场上的风险与回报之间的关系。
四、CAPM模型在A股市场的局限性分析CAPM模型在A股市场中的局限性主要包括以下几个方面：（1）资本市场的有效性假设并不成立，导致投资者无法根据过去的数据来预测未来的回报率；（2）投资者对风险的态度存在差异，有些投资者更愿意承担较高的风险以换取更高的回报；（3）CAPM模型忽视了市场流动性对回报率的影响，而A股市场的流动性普遍较低。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
进 行相 应 的研究 ． 另外 ， 各种 预测 模 型 多是 针 对 波动
由于在 中小企 业市 场产 生 的非 系统 风 险 相对 于 创 业板 市场 较 为 小 ， 中小板 块 的 流通 盘 一 般 都 在 且
十亿 以下 ， 面相 对较小 ， 价格 波 动 幅度 较 主 板市 盘 其
场 具有 更 明显 的 特 征 ， 因此 仅 以 中小 企 业 板 的股 票 样 本为 例进探 讨 ． 目前 深圳 证券 交易所 上 市 的 ６ 在 １ ２
动进 行 预 测 ， 明 Ｇ Ｃ 证 ＡＲ Ｈ模 型 比 Ａ Ｃ 模 型 等 预 ＲＨ
测 效果 好 ． 国学 者 魏巍 贤和周 晓 明 等 研究 了各 我 波动率 模 型 在 预 测 方 面 的 应 用 ； 军 海 ， 昭瀚 马 盛 等从 非线性 动力 系统 和混沌 时 间序 列 的角 度 分 析 了 股票 价格 预测 的方 法 ， 现 选 取 最 佳 的模 型 阶数 能 发 增 加 预测 的准确 程度 ，且混 沌 时 序不 可 能 进 行 长期 的预测 ； 庄新 田和苑 莹 等将 神 经 网络 模 型 应用 于 股价 预测 的研 究 ； 外 ， 价 预 测 的马 尔 科 夫 模 型 、 另 股 Ａ ＭＡ模型也 被 广泛应 用到 预测模 拟 中． Ｒ 目前学 者对 股价 波动 的估计 和预 测仅 涉 及 股票 指 数或 单 只股 票 的波 动 ， 没 有 结 合股 票 投 资 组 合 并
第２ ８卷 第 ３期 ２１ ０ ２年 ６月
天
津
理
工
大
学
学
报
Ｖｏ ． ８ Ｎ ． １２ ｏ ３
Ｊ ｏＵＲＮＡＬ Ｆ Ｔ Ａ Ｉ ＵＮⅣ ＥＲＳ ＴＹ ０ｌ Ｉ ＮＪＮ Ｉ ＯＦ ＴＥＣＨＮＯＬ ＯＧＹ
Ｊｎ ２ ｌ ｕ ．０ ２
文章编号 ：６ ３０ ５ ２ １ ）３ ０６ —４ １７ —９ Ｘ（ ０ ２ ０ —０ ７ ０
ｐ ｉ ｅ ｖ ｌ ｔｌｔ ｏ ｌ ｍ ｓ ｒ ｃ ｏ ａ ｉ ｙ ｐｒ ｂ ｅ ｉ
Ｚ ＨＡＮＧ Ｗ ｅ ，Ｗ Ｅ ｉ —ｕ，Ｌ ｎ ｉ Ｉ ｎｙ Ｊ ＩＸｉ
（ ｃｏｌ ｆ ａ ａｅ ｅ ｔ ｉ ｊ ｎｖｒ ｔ ｏ ｅｈ ｏ ｇ ， ｉ ｊ ０ ３４ ｈｎ ） Ｓｈｏ ｎｇｍ ｎ，Ｔａ ｉ Ｕ ｉ ｓｙ ｆ ｃ ｎｌ ｙ Ｔａ ｉ ３０ ８ ，Ｃ ｉａ ｏＭ ｎｎ ｅ ｉ Ｔ ｏ ｎｎ
需解 决 的重要 问题 ．
１ 文 献 综 述
国内外学 者 已进 行 了相 关 理 论 的研 究 ． 应 用 在
投 资组 合 理论 方 面 ： 小 我 和曹 长修 在 Ｍａｋｗｔ 唐 ｒｏ ｉ ｚ
有 效边 界理 论 假设 下 ， 明 有 效边 界 是 向上 开 口的 证
卷调 查 的方 式 收集 了个 人 投 资 者 的 相 关 信 息 ， 查 调
Ａ ｓ ａｔ Ｔ ｉ ｐｐｒｔ ｋ Ｓ ｌ ａｄ Ｍｅｉｍ Ｅ ｔｐｉ （ ＭＥ） ｍ ｒｅ ａ ｈ ｅｅｒｈ ｏｊｃ，ｂ ｓｄ ｏ ｅｅｒｈｎ ｂｔ ｃ ： ｈｓ ａｅ ｏ ｍａ ｎ ｄｕ ｎｅ ｒ ｅ Ｓ ｒ ｌ ｒ ｓ ａｋｔ ｓｔｅ ｒ ａｃ ｂｅｔ ａｅ ｎ ｒｓａ ｉ ｓ ｃ ｇ
・
６ ・ ８
天
津
理
工
大
学
学
报
第２ ８卷
第 ３期
对 沪市 中风 险 与 收 益 的关 系进 行 了实 证 研 究 ， 明 证
沪市 ２ １～３ ０种 股票 的组 合 规模 可 以减 少约 ２ ％ 的 ５ 总风 险 ； 曹兴 和彭耿 选取 沪市 ２ ０ ０ ２年 ２月 至 ２ ０ ０２ 年 ９月 流通市 值最 大 的 ４ ６只股 票 作为 研究 对 象 ， 证 实 使用 流通 市值 大的股 票 和不 同行 业 的股 票 能够 大 幅降低 组合 的规模 ， 且风 险也 被 分散 的更 多． 股 并 在
中 图分 类号 ： ８ ０ ９ Ｆ３．１ 文献标识码 ： Ａ ｄ ｉ１ ． ９９ ｊｉ ｎ １７ －９ Ｘ ２ １ ．３ ０ ８ ｏ：０ ３ ６ ／． ｓ． ６３ ０ ５ ．０ ２ ０ ． １ ｓ
Ｒｅ ｅ ｒ ｈ ｎ ｐｏ ｔｏｉ ｏ ｅｓｔ ｌ ｉ ｔ ｙ ｔ ｍ ｉ ｉｋ ａ ｅ ｎ ｓ ａ ｃ ｏ ｒ ｆ ｌｏ ｍ ｄ ｌ ｏ ｅｉ ｎａ ｅ ｓ ｓｅ ｃ ｒｓ ｂ ｓ ｄ ｏ ｍ
发现 虽然 一半 以上 的投资 者 通过 种种 方 式 进行 了证
抛 物线 的左 半 侧 的 一部 分 ， 同时 给 出预 期 收 益 率 的
券投资组合 ， 但是由于其专业水平较低 ， 目 盲 跟风投
资， 且受 近几 年股票 市场所 呈 现 的长 期 熊 市 的影 响 ，
收 稿 日期 ：２ １ —３ １ ． ０ ２ ０ —９ 作者简介 ： 张 玮 （９ ７ １８ 一 通 讯 作 者 ： 津 瑜 （９ ８ 魏 １６ 一
只 中小板 股 票 中 ， 出符 合 条 件 的代 码 为 ０２０ 选 ０００至
０２ ７ ０ １６的 １７只 中小板 股票 ， ７ 利用 系统抽 样法选 取 样
本 时限 内的最值点处 具有年线 的 ２ ０只股票作 为样 本．
２ ３ 模 型建 立 ．
为 了准 确寻 找和描 述股 票价 格 在 特定 阶段 周期 内 的价 格波 动 中出现 阶段周 期 高点 和 阶段 周 期 低点
基 于 股 票 价格 波 动 问题 的 消 除 系统 风 险 的 投 资 组 合模 型研 究
张 玮， 魏津瑜 ， 李 欣
（ 天津理工 大学 管理学 院，天津 ３０ ８ ） ０ ３ ４ 摘 要 ：本文以 中小企业板为研 究对象 ， 在探 索结合投资组合理论 与股票价格 波动理论 的基 础上 ， 对股票价格 波动
Ｋｅ ｒｓ ｐ ｃ ｏ ｔｉ ； ｏｔ ｌ ｅ ｃｉ ｓ ｒｇｅｓ ｎ Ｓ ａ ｎ ｄ ｍ Ｅ ｔ ｒ ｅ Ｓ ）ｍａ ｅ ｙｗｏｄ ： ｒ ｅｖｌ ｉｔ ｐｒｏｏｓｌ ｔ ｎ ； ｅ ｓｉ ； ｍ ｌａｄＭｅｉ ｎ ｒｉ （ ＭＥ ｉ ａ ｌｙ ｆｉ ｅ ｏ ｒ ｏ ｌ ｕ ｅ ｓ ｐ ｒｔ ｋ
过 程 中低 点 、 点 出现 的 规律 进 行 分析 ， 过 统 计 检 验 ， 立 阶段 周 期 低 点 和 高 点 回 归预 测 模 型 ， 后 应 用该 模 型 进 高 通 建 最
行 股票投 资的实证分析． 究结果表明 ， 于阶段 周期 回归预 测模 型的投 资操 作可 以有效规避 系统风 险 ， 高 中小 研 基 提 投 资者的收益率 ， 中小投资者进行投资选择具有很好的指导意义． 对 关键词 ： 价格波动 ； 资组合 ；回归预测 ；中小企业板 投
Ｍａｋｗｔ投 资组 合理论 奠定 了现 代投 资组合 理 ｒｏ ｉ ｚ 论 的基 础 ， 然而 Ｍａｋｗｔ证 券 投 资组 合 实践 在 有 效 ｒｏ ｉ ｚ 降低非 系 统风 险 的 同时 ， 不 能 够 有 效 降 低该 证 券 却 投资组 合 的系统 风 险 ． 这也 就导 致 了众 多 中 国股 民在证 券投 资 中 ， 然 做 了证 券 投 资 组 合 以 降低 非 虽 系统 风险 ， 但是却 在 中 国股 票 市场 的大起 大 落 中 ， 没 有在 高点 锁定 收益 、 低点 进 行股 票 投 资． 以天 津 在 在
股 价 的 向后 复权 ． ２ ２ ２ 样本 选择 ．．
市 波 动性计 量模 型方 面 ： ｋｉ ｙ９使用 Ａ Ｃ Ａ ｇａ ＿ ｒ Ｒ Ｈ模 型 、
Ｇ Ｒ Ｈ模 型 、 Ａ Ｃ 历史指 数模 型 以及 指 数 加权 移 动平ห้องสมุดไป่ตู้均 模 型对 美 国月 度 股 票 指 数波 动进 行 预 测 ， 得 出结 并 论 Ｇ Ｒ Ｈ模 型更 优 ． ｈ Ａ Ｃ Ｃ ｏ和 Ｗｅｔ ｏ对 美 元 汇 率 波 ｓｌ Ｊ