风险与资产配置，量化投资组合与风险管理——第一部分（Matlab代码实现）

  💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

 ⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、文章

---

 ⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

《风险与资产配置，量化投资组合与风险管理》

包括以下内容：
- 一元、多元和矩阵变量分布
- 联合分布
- 图形表示
-位置-离散度椭球分析
- 最佳复制/最佳因子选择
- 基于FFT的将分布投影到投资期限
- 有关δ/γ定价的注意事项
- 通用估计器的逐步评估
- 非参数估计器
- 多元椭球最大似然估计器
- 收缩估计器：Stein和Ledoit-Wolf，贝叶斯经典等价
- 鲁棒估计器：Hubert M，高破坏度最小体积椭球
- 缺失数据技术：EM算法，不均匀序列条件估计
- 随机支配
- VaR的极值理论
- VaR的Cornish-Fisher近似
- 基于核的VaR和不同风险因素的预期损失的贡献
- 均值-方差分析和陷阱（不同的视野，复利vs线性收益等）
- 贝叶斯估计（多元分析，马尔可夫链蒙特卡洛，相关矩阵的先验）
- 估计风险评估：基于估计的配置的机会成本
- Black Litterman配置
- 鲁棒优化（调用SeDuMi执行锥规划）
- 鲁棒贝叶斯配置

第一部分
在给定未来时间点的投资组合被建模为一个随机变量，并被表示为一元分布：在第1章中，我们回顾了一元统计学。我们介绍了关于随机变量的分布表示，即概率密度函数、累积分布函数、特征函数和分位数，并讨论了期望值、方差和其他形状参数。我们提供了一元分布的位置和离散度属性的图形解释，并讨论了一些在应用中有用的参数分布。

📚2 运行结果

部分代码：

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% inputs 
NumSimulations=10000; % scalar
nu=10;
sigma_square=1;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
a=nu/2;
b=2*sigma_square;

% generate sample using matlab functions
X=gamrnd(a,b,NumSimulations,1);

% compute pdf and cdf using matlab functions
x=[min(X): (max(X)-min(X))/1000 : max(X)]; % set range
pdf =gampdf(x,a,b);
cdf =gamcdf(x,a,b);
chiscdf =chi2cdf(x,nu);

% compute quantile using matlab functions
u=[.01 : .01 : .99]; % set range
quantile = gaminv(u,a,b);
chisquant = chi2inv(u,nu);

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码、文章

资料获取，更多粉丝福利，MATLAB|Simulink|Python资源获取