基于收益权重的均值-熵投资组合模型的研究

在经典的均值-方差模型中,研究者往往假设收益率服从正态分布,用收益率均值估计其期望。但在实际问题中收益率往往不满足假设,同时考虑到方差度量风险的局限性,从而我们构建均值-熵模型,其中收益率期望用每个时间段收益占总时间段收益权重(θt)来计算。本文通过对深圳A股进行筛选,并从中选取5只股票进行实证分析,然后讨论了θt的合理性;熵方法和方差法的一致性;不含无风险证券和含无风险证券均值-熵投资组合模型的比较分析等问题。结果表明:引入θt计算收益率期望时,均值-方差模型的有效边界仍是一条较好的抛物线;熵方法和方差法具有一致性;且在相等收益水平下,熵方法能够更好的分散投资风险。

基于收益权重的多期投资组合优化模型

为解决经典均值-方差模型对收益率的假设不能完全适应于实际证券市场的问题,引入收益权重计算每个时间段收益占总时间段收益的比重。考虑模糊环境下多重摩擦因素,提出了一种可能性均值-下半方差-熵多周期投资组合优化模型。利用外点罚函数法将其转化为无约束优化问题。在标准的遗传算法中引入混沌映射改变种群提取过程,扩大种群多样性以便寻到更优个体。数值实验和仿真结果表明建立的模型是合理的,改进的算法是有效可行的。

想象未来:情景预见对跨期决策的影响机制

情景预见是个体将自我投射到未来以预先体验未来事件的心理建构。通过梳理情景预见对跨期决策的影响,探讨年龄、工作记忆能力及自我相关性的调节作用,并指出情景预见影响跨期决策的情境预期-情绪假说和“关注未来”的注意机制:一方面,情景预见后的情绪影响延迟折扣;另一方面,情景预见通过影响等待时间成本和延迟收益权重,改变决策偏好。未来可将情绪障碍个体纳入研究对象,细分预见的具体情绪,建立规范的控制条件及对神经机制的探讨。