王博[1]2008年在《熵理论在证券投资中的模型及应用研究》文中研究表明证券投资的最根本目的在于获取利益。但在投资活动中,收益总是伴随着风险。通常,收益越高,风险越大;风险越小,收益越低。为了分散风险,许多投资者将许多种证券组合在一起进行投资,即所谓的投资组合,以期获得最大收益,这就使得投资风险的研究成为金融界面临的重大课题之一。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,在度量风险的基础的上建立了组合投资决策模型,该模型在理论和实际应用中都有重要意义。证券投资风险常用的度量方式主要是投资收益率的方差或β值,但是随着研究的深入,人们发现常用的风险度量指标存在不可回避的重大缺陷,为了克服现有理论的不足,理论界进行了广泛的研究,但是到目前为止,还没有一种广泛有效的度量风险的方法。本文正是在此背景下对上述问题展开研究的。在本篇论文中,作者首先以证券投资的风险为对象,研究了不同的风险度量模型;分析了各种风险度量方法的不足。鉴于目前的风险度量方法都存在不同程度的缺陷,在马科维茨的均值方差模型及威廉.夏普的单一指数模型的基础上,将熵理论与单一指数模型相结合,提出一种新的投资组合模型,作为实证研究,本文以投资深市证券决策为例,将本文提出的基于熵的单一指数投资组合模型加以应用,利用Matlab作为工具,从深证100指数中选择20支股票,利用该模型选出的股票在一定条件下可以达到与整体股票组合相似的最大收益和最小风险的要求,为投资者进行投资决策提供良好可靠的建议。
王宾[2]2012年在《扩展熵优化理论及其在投资组合中的应用》文中进行了进一步梳理针对日益复杂的国际及国内政治经济形势，金融市场面临着巨大机遇与挑战。证券投资者如何在此环境背景下，将所受风险降到最低，从而获取预期收益，已经成为投资者亟需解决的问题之一，理智投资者通常选择组合方式进行投资，通过分散化选取股票以达到降低风险的目的，因此对于证券投资组合中风险的研究已逐渐成为学术界所面临的重大课题之一。传统证券投资组合理论以美国经济学家Harry Markowitz为依据，通过不断对其补充、完善使该模型更加符合投资者的决策需求。围绕着投资风险的度量问题，熵优化理论已经并逐步被学者关注，该理论能够较好地度量投资风险，从而弥补传统投资组合模型的不足，本文正是在现有熵优化理论基础上，通过对反熵优化问题及广义熵优化问题进行探讨，首先将熵优化理论进行扩展，并依此构建了证券投资组合中的反熵优化模型及广义熵优化模型，同时将投资者对风险的厌恶程度定量化，使得熵优化理论更贴近投资者的投资偏好，更加满足投资者的投资意愿。全文共分六章节进行阐述，具体安排如下：第一章首先介绍了本文的选题背景与选题意义，然后将证券投资组合的理论沿革与该领域较为认可的模型一一列举，最后阐述了本文的创新点；第二章主要对熵优化理论进行较为全面地分析，首先谈及熵优化理论及演变过程，然后论及到几种较重要的熵定律，最后指出熵优化理论在证券投组合领域应用的适用性及可行性；第叁章从物理学及数学中的反问题入手，定义了熵优化理论中的反熵问题，通过反熵模型的构建，指出反熵优化模型可以有序化度量风险，并且可以为投资者提供必要的证券行业选择需求；第四章在第叁章选取行业的前提下，通过对Csisizer定向散度地分析，提出了考虑投资者风险厌恶程度的广义熵优化模型，并且通过实证分析，对投资者的个股投资提供了更有效地选择依据；第五章对反熵优化模型及广义熵优化模型进行对比分析，通过对二者适用范围的不同解释，为投资者进行下一步投资提供客观参考；第六章对全文进行总结，通过对本文所构建模型中出现的不足提出下一步研究工作的展望，从而完成本篇硕士论文的写作。
王兆红[3]2003年在《熵理论在证券投资决策中的应用研究》文中研究指明本文研究了被爱因斯坦称为“整个科学的首要法则”的熵理论在证券投资决策中的应用，首先对其中的Shannon信息熵以及以此为基础的风险的叁维熵式度量法进行了深入的研究与分析，将该方法应用于组合投资决策中，建立了证券投资的叁维熵式决策模型。利用Matlab软件作为工具，以上证30指标股的投资决策进行实证分析，运用证券投资的叁维熵式决策模型选出适量股票进行优化组合。分析结果表明，利用叁维熵式决策模型选出的股票进行优化组合要比单纯利用期望效用原理选出的股票进行优化组合结果更优；利用该模型选出的股票在一定条件下可以达到与整体股票组合相似的最大收益和最小风险的要求。其次，将熵权法与双基点法相结合产生熵权双基点法，给出了该方法详细的思路和运算步骤，并将其应用在股票投资价值评价中，通过对六只钢铁产业类股票的实证分析表明，熵权双基点法在比较股票间相对投资价值时具有较大优势，基本上能够如实的评价待评股票的投资价值，为投资者进行投资决策提供良好可靠的建议。
卫海涛[4]2015年在《信息熵理论及其在证券投资中的应用》文中研究说明2008年起源于美国的次贷危机进而演变为全球范围内的金融危机,给各个国家的投资者带来了巨额的经济损失,在此之后,监管机构对金融机构的监管更加严格。面临变化莫测的金融风险,建立有效的风险度量法与投资组合对于投资者来说就变得尤为重要。在证券投资领域中,已经存在许多度量风险的方法。一般情况下,投资者常常用收益率的方差或标准差来度量风险。方差是证券收益可能的各个取值与证券的期望收益之间的偏离程度,标准差就是方差的开方。在证券市场中,这些用来对风险进行度量的方法大多都存在不同程度的缺陷。投资者用不同的方法来度量风险,得到的结果可能也不相同。熵的概念最早源自热力学,后来熵被各个领域的学者广泛应用在房地产、保险、银行、证券市场等经济的各个领域中。基于理论分析及实证研究的基础,本文系统性的探讨了信息熵理论及其在证券投资中的应用。本文首先对各种证券投资理论进行了介绍,接着引出了信息熵理论,介绍了熵理论的基本性质及其四种不同的演化形态。最后选取上证50指数的50只成分股从2012年1月4日至2014年12月31日的日收盘价,用2012年1月4日-2013年7月1日的日收盘价作为样本内数据,2013年7月2日至2014年12月31日的日收盘价数据作为样本外数据,首先采用样本内数据来构建叁维熵决策模型,分别用均值-方差模型和均值-CVaR模型对叁维熵模型选出10只股票构建的投资组合和上证50指数50只成分股构建的投资组合进行优化,得到各自的优化系数,然后带入样本外数据进行检验,带入之前用样本内数据得到的优化系数,最终求出各自的夏普比率进行对比。最终的分析结果表明,利用叁维熵决策模型挑选出的股票构建优化组合的效果要比50只成分股构建投资优化组合的效果更好。
杨灿[5]2006年在《证券组合的投资比例研究》文中指出本文以证券组合的最优投资比例为核心,介绍并分析了现代投资组合理论和熵理论在确定投资比例上的应用。现代投资组合理论是现代金融理论和投资理论的基础,但是它不能合理度量投资组合的风险,也不能给出最优投资比例。熵尽管可用作不确定性的最佳度量,但在证券投资比例方面的应用并不多见。本文将熵理论引入投资组合理论,提出了改进模型Ι和改进模型Ⅱ。改进模型可以全面考虑所有可能的收益和损失,使投资者能确定使资金增值最快的最优投资比例。模型Ι适用于投资组合的系统风险易于预测的场合,对于系统风险难于预测,要用正态分布来表示投资组合的预期收益时可以采用模型Ⅱ。进一步,本文将连续型熵引入投资组合研究,得到优于现代投资组合理论的结果,并且在证券组合投资比例的确定方面有所创新,使得投资组合方案的选择无需利用效用函数和无差异曲线,避免了每个投资者都有自己“最优”投资组合的情况。改进模型不仅具有理论意义,而且通过构造性实例的定量分析表明,改进模型能够合理度量风险,可以帮助投资者针对实际情况确定风险投资组合的最优投资比例,使得投资者的资金增长速度最快。
李江涛[6]2010年在《组合投资风险分析的熵方法研究》文中认为随着金融市场的不断发展,投资者所面临的风险问题也变得越来越复杂,风险的不确定性,也就造成对未来收益的波动性。资产和负债的波动都可能给投资带来不可预测的风险,如何对风险进行准确的度量是投资者目前需要解决的问题,因此风险在金融市场将起到不可估量的作用。本文对证券市场中所存在的风险进行深入分析,针对投资组合的决策问题,采用信息熵理论与方法重新定义了投资组合风险度,并且在联合信息的条件下进一步定义了投资组合风险度,建立了一套更优的投资组合风险模型,并根据我国证券市场的实际情况,考虑了交易费用、资金约束、最小交易单位以及限制卖空等因素,建立了一套针对我国证券市场的投资组合熵模型。所建立的模型主要给风险水平赋予不同的取值,运用整数规划的求解方法,对模型进行求解,求得赋予不同风险水平取值下的证券投资最理想的分配方案,以及对应收益的极大值,从而确定投资组合优化模型的有效边界,即而得出：该模型是一套针对我国证券市场有效地投资组合模型,并与我国真实证券市场情况更加接近,实用性更强。
赵丽娜[7]2016年在《基于投资者情绪的广义熵投资决策模型研究》文中研究指明针对日益复杂的国际及国内政治经济形势,金融市场面临着巨大机遇与挑战。证券投资者如何在此环境背景下,将所受风险降到最低,从而获取预期收益,成为投资者亟需解决的问题之一。理智的投资者通常选择组合方式进行投资,通过分散化选取股票以达到降低风险的目的。因此,对于证券投资组合中风险的研究已逐渐成为学术界所面临的重大课题之一。证券投资组合理论以美国经济学家Harry Markowitz提出的均值-方差模型为基础,国内外学者不断对其进行补充和完善,逐渐形成了一个完整的现代投资组合理论体系。本文在投资组合理论和熵优化理论的基础上,对广义熵优化模型进行深入研究。首先,文章构造了一个衡量投资者情绪水平的综合评价指标体系,该指标体系通过市场数据反映投资者的情绪状态;然后,将情绪指标与广义熵模型相结合,创新性的建立了一个基于投资者情绪的广义熵投资决策模型。该模型以最小化包含情绪指数的投资组合风险为目标函数,以一定的期望收益水平为主要约束条件。在实证部分本文以电力、房地产、建筑业等14个行业的24支股票为研究对象,运用Lingo软件对模型进行优化求解,最后获得组合投资的最优股票投资分配比例,使投资者在规避风险的同时获取最大收益。全文共分五章节进行阐述,具体安排如下:第一章首先介绍了本文的选题背景与选题意义、研究方法和研究内容,然后梳理了国内外学者对投资组合理论的研究综述,最后阐述了本文的创新点;第二章是论文的相关理论概述,主要包括投资组合的相关理论以及熵优化的相关理论,进而论述了几种较重要的熵定律;第叁章是投资者情绪综合指标的构建,首先从投资者情绪的定义入手,阐述投资者情绪指标的分类及度量方式,通过主成分分析方法建立投资者情绪综合指标,最后对建立的指标进行评价;第四章通过对Csisizer定向散度的分析,创建了考虑投资者情绪的广义熵投资决策模型,并进行模型求解。通过求解出的模型进行实证分析,从而获得资产的最优配置比例,为投资者的个股选择提供参考依据。最后对该模型进行评价,并提出了对投资者而言较为合理的投资建议;第五章是全文的结论,通过对本文所构建模型中的不足提出下一步研究工作的展望,从而完成本篇硕士论文的写作。
叶勇[8]2011年在《证券投资风险度量方法及其应用研究》文中提出证券市场上的投资者都希望选择最适合自己资产或者资产组合进行投资,以获得最大的效用,即最大的满意程度。众所周知,证券市场上的投资收益往往是不确定的,因而投资者从中产生的效用也是不确定的,也就是存在风险,因此投资者也只能在资产的期望收益和风险这两个投资效用的主要影响因素中进行权衡取舍,以达到最大的期望效用。本文主要关心的问题是,证券的投资风险该如何度量并控制,以及投资者的效用具体是怎样去度量的。本论文在已有的证券投资风险度量的基础上,讨论了信息熵这种风险度量方法的基本性质以及它与方差这种传统的风险度量方法的联系和区别。然后本论文简单介绍了行为投资组合理论以及非理性投资者的认知风险怎么度量。接下来,本论文重点讨论了假设各项资产收益率的联合分布分别为多元正态分布、多元t分布、多元(分段)均匀分布时投资组合收益率的信息熵怎么计算以及对应的优化模型,并利用多元分段均匀分布去逼近一般的多元连续型分布,从而得出当各项资产的收益率相互独立多元连续型时的近似最优投资组合比例。最后,本论文引入了模糊环境,讨论了模糊环境下怎样选择投资组合比例使得不同风险态度的投资者对投资组合收益率的期望值和风险的综合效用最大化,并进行实证分析。
李兴源[9]2018年在《基于证券价格风险预测的投资组合策略研究》文中研究说明通过证券投资获取相对稳定的收益是绝大多数证券投资者的选择,而收益常伴随风险,构造证券组合是证券投资者常用的风险分散方法。面对复杂多变的证券市场及成百上千的证券数量,如何合理的预测证券价格风险,进而构造出数量合适、收益较稳定、风险较小的证券组合已成为困扰证券投资者的难题,具有较大的研究价值。本文引入灰色系统理论、熵理论及前景理论构建了证券价格风险预测的模型,进而给出了一种证券投资者构造证券组合的策略。本文主要研究内容为:首先,回顾了投资组合理论的发展历程,总结了证券价格风险度量方法的发展及证券投资组合模型方法的研究进展;并对本文引入的理论进行了系统的概述,包括有效市场理论、前景理论、灰色系统理论、熵理论等。其次,构建了证券价格风险预测模型。通过对风险及证券价格风险概念的分析,对证券价格风险的结构进行了划分,在分析了影响证券价格风险的因素的基础上构建了预测证券价格风险的模型。其中,利用一种改进的灰色波形预测模型对证券市场指数进行了预测,结合证券投资者的投资时间、目的对模型的解进行了分析;利用前景值预测了单个备选证券价格的主观风险,熵预测了单个备选证券价格的客观风险,构建了预测单个备选证券价格风险的综合模型并对模型的解进行了分析。然后,通过收集沪市数据,对文中建立的证券价格风险预测模型进行了有效性验证。最后,结合提出的证券价格风险预测模型,给出了一种证券投资者投资组合策略。通过对证券投资者在实际投资时的决策心理分析,提出了证券投资者的风险满意原则,在此原则下提出了一种证券投资组合策略。并通过一个算例验证了文中给出的证券投资组合策略的可行性。
陈业华, 李兴源, 白静, 黄璐[10]2018年在《基于投资者心理的证券投资组合熵决策及应用研究》文中认为证券收益率是投资者在投资决策时考虑的重要指标.针对投资者因证券收益率的变化引起的投资心理变化,提出一种基于累积前景理论和熵理论的投资风险决策方法.首先把证券的历史收益率划分为若干个状态区间,将某证券落在某状态区间定义为该证券的状态;然后计算各证券状态的概率及熵值;再利用累积前景理论,将无风险利率作为投资者的目标参照点,计算各证券所有状态相对于参照点的"损益值",得出各证券所有状态的价值,并将各证券所有状态发生的概率转化为投资者的心理概率,计算出各证券所有状态下的前景值,进而得出各证券的累积前景值;最后建立一种度量各证券投资风险的决策模型来确定最优组合.选择沪市证券市场进行实证研究,验证了方法的可行性及有效性.
参考文献：
[1]. 熵理论在证券投资中的模型及应用研究[D]. 王博. 合肥工业大学. 2008
[2]. 扩展熵优化理论及其在投资组合中的应用[D]. 王宾. 辽宁科技大学. 2012
[3]. 熵理论在证券投资决策中的应用研究[D]. 王兆红. 南京气象学院. 2003
[4]. 信息熵理论及其在证券投资中的应用[D]. 卫海涛. 华中师范大学. 2015
[5]. 证券组合的投资比例研究[D]. 杨灿. 天津大学. 2006
[6]. 组合投资风险分析的熵方法研究[D]. 李江涛. 西安建筑科技大学. 2010
[7]. 基于投资者情绪的广义熵投资决策模型研究[D]. 赵丽娜. 辽宁科技大学. 2016
[8]. 证券投资风险度量方法及其应用研究[D]. 叶勇. 上海交通大学. 2011
[9]. 基于证券价格风险预测的投资组合策略研究[D]. 李兴源. 燕山大学. 2018
[10]. 基于投资者心理的证券投资组合熵决策及应用研究[J]. 陈业华, 李兴源, 白静, 黄璐. 数学的实践与认识. 2018
标签：金融论文; 证券论文; 投资论文; 投资决策论文; 投资组合论文; 证券投资论文; 资产组合理论论文; 预测模型论文; 证券论文; 风险模型论文; 组合优化论文; 投资论文; 股票论文;