Markowitz模型在中国市场的实例检验

Markowitz模型是当今全球资本市场的重要研究对象,也是投资组合优化的理论基础。在等风险的情况下,通过投资组合优化的方式,投资者可以调整投资组合以获取更高收益并降低风险。然而,当前国内资本市场基于Markowitz模型的量化分析的有效性还缺乏验证。通过收集行业板块的数据进行估值,并生成投资决策和组合,利用量化分析的方法评估该模型在A股市场的有效性进行研究。研究结果发现,Markowitz模型在A股市场依然能得到可靠的优化投资组合。从一定程度地说明Markowitz模型的有效性和应用价值。该研究弥补了Markowitz模型在A股市场缺乏有效性验证的空白,证明了该模型的有效性。对未来投资组合的理论配置和投资组合优化的研究有十分重要的借鉴意义。

基于随机矩阵理论的Markowitz组合投资模型

通过随机矩阵方法识别、消除极端或非无关抽样样本,提高Markowitz模型的参数估计精度,改进应用Markowitz模型的效果;同时,针对抽样不足的情况,使用Bootstrap方法较好地解决了该问题.

Markowitz投资组合理论与实证研究

从中国股市出发 ,在西部大开发的政策引导下 ,在西部七省区的股票中筛选了 1 1只股票 ,它们涵括了中国市场的各个行业板块。本着西部股票具有朴实无华的良好股性 ,在国家政策指导的大前提 ,本文对它们进行了基本面分析选择 ,着重进行了投资组合分析 ,采用 Markowitz模型测算股票组合的收益、方差 ,试图能通过各股权重的变化寻求有效证券组合 ,而该有效组合应能指导投资者对该地区的个股股性的优良与否、对该组合的风险及收益预期性进行比较和判断。

基于Markowitz投资组合模型的移动机器人目标提取与识别

移动机器人足球比赛中,准确识别足球并确定其位置是比赛胜负的关键。在理想情况下,比赛场地颜色信息固定,可以通过彩色分割来识别,但是若存在环境光照较弱或不均的影响时,很难明确划分不同颜色区域之间的界限,使得对目标的准确识别受到影响。提出一种全新的彩色分割方法,通过适当选择几个不同的颜色分量,应用Markowitz投资组合模型对各个颜色分量求取最优权值,进而将最优权值作用于彩色图像,可得到不同区域间对比度增强的灰度图像,分割出所求目标。实验表明,该方法很好地弱化了光照变化带来的影响。

Markowitz投资组合模型改进的三帧差分法运动目标检测

移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象,实现非理想光照下,对橘红色目标足球的运动检测。提出在传统三帧差分法基础上,先利用Markowitz投资组合模型进行足球目标的特征提取,将场地非感兴趣的目标中,出现全部像素值发生变化的目标去除,再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制,选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像,结果表明跟踪图像不含非目标物的干扰,克服了差分图像存在空洞的问题,为移动机器人提供了一种实用的运动目标检测方法。

Markowitz投资组合理论在房地产投资组合决策中的应用

运用马可威茨(Markowitz)投资组合(Portfolio)思想,讨论不同类型房地产项目的投资组合决策问题.系统介绍和推导了Markowitz投资组合理论,分析了房地产投资所独有的各种特性,并结合这些不同于证券投资的特性,对Markowitz投资组合理论加以改进,提出房地产投资组合分配决策模型,最后给出算例.

Markowitz均值-方差模型与RAROC模型在中国证券市场的实证研究

从Markowitz均值-方差的基本模型入手,分析其缺陷并引入其修正模型和在此基础上改进的RORAC模型。两个模型采取了不同的风险衡量度量方法。在MATLAB环境下运用遗传算法求解在同一收益水平下的两个模型风险水平。对深圳证券交易所数据的实证研究,证实修正后的Markowitz模型的风险控制能力强于RORAC模型的VAR风险控制方法。

关于协方差矩阵不可逆时MARKOWITZ模型的求解问题

将遗传算法 ( Genetic Algorithm)引入证券组合理论 ,设计一套求解 MARKOWITZ模型的新算法 ,解决了

Markowitz投资组合模型的最小二乘算法

本文从一个新的视角来研究Markowitz均值—方差模型。通过将Markowitz均值—方差模型表述为约束最小二乘问题,继而使用约束最小二乘问题的算法研究了协方差矩阵正定和半正定时模型的求解问题,我们给出了计算投资组合有效前沿及最小方差组合的新算法。实证分析表明:最小二乘算法在计算稳定和计算速度方面优于传统算法。

基金管理人变动资产组合的Markowitz模型分析

现代资产组合理论研究的是投资者在权衡收益与风险的基础上最大化自身效用的方法以及由此对整个资本市场产生的影响。Markowitz模型假设条件太多 ,因而基金管理人变动资产组合时 ,在证券市场上进行应用较困难。本文在对Markowitz创立的资产组合模型进行介绍的基础上 ,力图对Markowitz的资产组合模型进行拓展 ,建立了考虑税收、交易成本的资产组合模型 。

Markowitz模型在中国证券市场的实证研究

Markowitz模型是现代投资组合理论的开端。通过对Markowitz模型进行深入分析,提出了应用Lagrange乘数法进行求解,然后从中国股市出发,从不同行业选取了10只股票,应用Markowitz模型进行分析,分别计算出在5种不同收益率下,投资者所得到的最优证券组合及所须承担的风险。结果表明,该模型对投资者进行股票选择及风险预测具有一定的指导意义。

Markowitz模型的遗传算法求解与实证研究

Markowitz模型主要讨论由多种证券构成的组合作为一个整体的风险与收益的关系,以及投资者如何在组合中合理地分配自己的投资金额等问题.本文通过对Markowitz模型进行深入分析,提出了应用遗传算法进行求解,并通过实证研究,进一步验证该算法是有效的.

基于Markowitz组合理论的风险控制分析

Markowitz理论是现代投资理论的基石,也是当今投资实践主要方法之一,给投资决策提供了基本、完整的分析框架。2010年,中国证券市场允许开展融资融券业务,投资者面临的投资风险加大。在Markowitz投资组合理论的框架下,讨论中国证券投资市场上融资融券条件下的投资决策问题,寻找有效控制风险的途径,对于投资者构建和动态调整最优的投资组合,以便获取较大的投资收益具有指导意义。

Markowitz模型的一种神经网络解法

对不允许卖空情况下的Markowitz模型的求解 ,在金融学里面 ,一直是个很棘手的问题 .提出了一种反馈神经网络算法 .该算法计算步骤简单 ,收敛速度快 ,特别针对大规模问题非常有效 .首先提出了这种算法的神经网络模型 ,给出了它的能量函数 .接着证明了它在Lyapunov意义下的稳定性 .最后证明了一定存在一个收敛序列 {Xk} Rn,使得

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实证

以深圳股市 4 0个成分指数股从 1999年 8月 6日到 2 0 0 0年 7月 2 8日的交易数据为研究对象 ,借助C语言和Mathematics 4 .0数学软件 ,应用马科维次 (Markowitz)模型 ,研究了股票组合的风险变动规律 ,得出在深圳市场 ,5～ 10个股票组合可以降低37.3%的总风险 ,并且用马科维次模型寻找到深圳证券市场最佳组合的有效前沿的双曲线方程和风险证券与无风险证券组合时切点M的坐标 ,从而可以知道各股票在达到最佳组合时所占的比例 .

对风险投资决策中H.Markowitz均值-方差模型的推广

H.Markowitz均值一方差模型适用于风险投资决策,在这一模式基础上,通过改造推广建立了一类组合投资决策的新模型。

基于原—对偶内点算法的股票投资组合分析——兼论Markowitz均值—方差模型的应用

首先对Markowitz均值—方差模型进行了回顾,对Markowitz均值—方差模型的求解给出了更为优化的算法,即原—对偶内点算法,并利用优化后的算法模型对中国股票市场进行实证分析,得出对投资者更为有效的投资建议。

对Markowitz理论的重新思考

一、Markowitz理论的主要内容 为简化问题,考虑单期投资,复杂情形类推.一投资者打算将一定的货币用于购买某类资产,他有几种选择:尽数购买无风险资产,单期收益率r0,期末资产为期初的(1+r0)倍;