原创《基于信息熵分级基金组合风险》：这是一篇与信息熵论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。
摘 要：本文以2015年6月至2016年8月交易量较大的40支分级基金为样本,论证如何通过“三维熵模型”来对分级基金组合面对的风险进行度量,并挑选出合适的分级基金形成证券投资组合,结合现代投资理论中的均值—方差模型进行投资组合优化.为论证该理论的有效性和预测性,结合沪深300指数以2016年9月1日至9月30日的日收盘价数据对这些分级基金组合的收益和VaR风险进行对 析,结果显示经过风险度量构建的分级基金组合在投资风险更小的情况下有更高、更稳定的收益.
关键词：信息熵；分级基金组合；风险管理
中图分类号：F830 文献标识码：A 文章编号：1674-2265（2018）03-0050-06
DOI：10.19647/j.cnki.37-1462/f.2018.03.008
一、引言
金融市场对稳定经济社会发展具有重要的基础作用,然而,在金融市场运行中存在着大量不确定性因素,金融风险的不确定性导致风险管理工具很难对风险进行有效测度.因此寻找高效且能够应对金融市场变动的风险管理工具成为投资管理领域尚待解决的难题.投资者保证收益需要管控风险,由于未来的不确定性,不变的投资组合无法追踪风险变化状况,因此需要建立一个能够在完整投资周期内调整和评估的机制,加入时间因素动态调整投资组合可以在风险发生变化的较长时间内实现投资目标.投资组合想要获得可持续性合理收益,对风险评估、风险度量和风险管理也必须不断更新.
二、文献综述
风险管理作为一门新兴和前沿的管理科学,起源于19世纪30年代的美国.进入20世纪90年代,伴随资产证券化在全球范围内兴起,风险证券化也开始被引入风险管理的研究领域中.
G30集团1993年发表了名为《衍生产品的实践和规则》的报告,正式提出了度量市场风险的VaR模型（“风险估价”模型）.屠新曙（1999）全面介绍了现代投资组合相关理论.Christoffersen等人（2001）从统计的角度证实了以VaR作为系统标准化工具进行风险管理的模型相比其他风险管理方式更优 .Bong-Gyu Jang1a（2016）使用高频数据,实证研究了在VaR风险约束下如何对投资组合比例进行优化.Parlapiano（2017）基于VaR提出了一种新的评估方法研究汇率市场和股票市场,论证了在这个市场中面临的主要风险及其脆弱性.
熵是由德国物理学家克劳修斯（Clausicus）在1864年最早提出的,主要用来定量解释热力学,随着研究深入,熵这一概念相继被引入统计学、信息论、风险管理等学科领域.李华和李兴斯（2005）在研究证券投资组合时引入了熵优化原理,并对马科维茨模型进行了一些改进,从而建立了一个新的投资组合模型.董雪璠等（2011）用信息熵代替方差度量风险提出最小信息熵—最大增值熵模型.郑承利和陈燕（2014）在Artzner等人一致性风险测度表现定理的框架下,以相对熵为基础提出了一种新的一致性风险测度.张鹏和舒燕菲（2016）通过研究发现熵值越小的投资组合,其不确定性越小,也就是安全性越高.
三、研究方法
通過模型和相关的市场数据,计算组合的上述三种风险结果,并对风险进行大小排序,然后根据投资者的目标构建一个模型,从中挑选出一部分适合的证券,依据均值—方差模型求解出分级基金组合的优化权重,最终对比其夏普比率进行分析,评价度量结果准确性和优越性.
四、基于信息熵的三维熵风险度量模型在分级基金组合中的应用
(一)数据选取
从上海证券交易所和深圳证券交易所上市的分级基金中选择比较有代表性的40只分级基金（20只分级基金A和20只分级基金B）作为研究样本.综合考虑众多影响因素,选取2015年6月5日至2016年8月31的日收盘价数据作为网络训练数据,2016年9月1日至2016年10月28日的日收盘价数据度量效果验证数据.网络训练数据用来构建基于信息熵改进的“三维熵”式决策模型,挑选出10只“三维熵”风险最小的分级基金,用均值-方差模型对这10只分级基金构建分级基金组合并进行系数优化,再根据优化结果,借用2016年9月1日至2016年9月30 收盘价数据进行效果验证,实证“三维熵”式决策模型决策的科学性和有效性,数据来源于万得资讯.
在该模型中,保底风险[R（2）i]的计算需要用到无风险利率[r0],无风险利率一般考虑为同期银行一年定期存款利率1.5%,这里我们取日利息[r0]等于0.0041%；基于股指在同期的表现,考虑超利年利率为10%,取R等于0.027%.[Pri 对于k来讲,其为分布的上[α]百分位点[Zα],[α]为给定的置信水平,此时我们取[α]等于0.05,可以计算出40只分级基金各自的[ki]（i等于1,2,等,40）值.计算结果如表2所示： (三)实证阶段 利用MATLAB程序计算出每一只分级基金的日收益均值、标准差、形状风险和位置风险,具体结果如表3所示. 由表3可以看到,分级基金A作为一种稳定收益的金融衍生品种,日收益率均值相对稳定,标准差相对较小,形状风险基本都在4以下,位置风险为负；分级基金B是一种具有高风险和高收益的金融产品,日收益率均值波动较大,标准差也比较大,形状风险在4以上,位置风险全为正.代号S2的深成指A（150022）成为分级基金A 当中唯一例外,原因是该分级基金A的投资策略是需要将超过90%的基金资产净值投资于深证成指成分股和备选成分股,而选取的这段时间处于股市的下降通道,深证成指经历了从18211.76点到9418.20点的跌幅,所以深成指A表现不理想也是有迹可循的.经过统计分析,分级基金A是一种非常好的避险工具；同时分级基金B表现差距显著,表现最好的分级基金B日收益率远超分级基金A的平均日收益率,表现最差的分级基金B日平均收益率为-0.00267,亏损非常巨大,分级基金B作为一种杠杆工具,具有高风险高收益的特点. 信息熵论文参考资料： 结论：基于信息熵分级基金组合风险为关于信息熵方面的的相关大学硕士和相关本科毕业论文以及相关信息熵之和论文开题报告范文和职称论文写作参考文献资料下载。
