均值-方差-偏度熵模型的度量:多目标投资组合方法
Ilhan Usta Yeliz Mert Kantar
(土耳其阿纳多卢大学科学系部门统计专业)
摘要:本文中,我们在均值-方差-偏度熵的投资组合优化模型(MVSEM)的基础之上提出了一种多目标优化方法。这种方法将一个熵度量方程引入均值-方差-偏度模型(MVSM),从而建立了一个较好的多元化投资组合模型。并且利用不同历史数据和大量的度量方法对该模型的效用进行评估。结果显示,均值-方差-偏度熵的投资组合优化模型(MVSEM)相对于传统的投资组合选择模型来说,在样本外预测检测中具有更好的效用。
关键词:投资组合优化;熵;偏斜;投资组合效用度量;样本外预测
第一章绪论
Markowitz的均值-方差模型(MVM)是以对资产收益率服从正态分布的假设为基础的,该模型现已被大多学者所接受,可以称为先进的投资组合模型之一[1]。据了解,均值-方差模型(MVM)只涉及了第一阶与第二阶所对应的预期收益和收益的协方差矩阵。然而,该类阶数在通常情况下不足以解释非正常收益率分布的组合[2-4]。因此,许多研究开始讨论是否应将高阶矩的问题纳入投资组合选择问题[2-10]。特别指出的是,Chunhachinda等[2]、Arditti[5]以及Arditti和Levy[6]提出:高阶矩不能被忽视,除非我们有理由相信资产收益为正态分布或者较高的阶矩与投资者的决策无关;普拉卡什等[4]、哈维等[8]和伊博森[10]认为如果资产回报率不遵循对称的概率分布,高阶矩在资产配置系统中是存在的,此外,他们还证明了,当将偏度包括在决策过程中时,投资者可以得到较高的回报。基于这些事实,均值-方差模型(MVM)现已经被扩展到包括偏度在内的投资组合优化模型-平均方差-偏度模型(MVSM)[2,4]。
现今,均值-方差模型(MVM)和平均方差-偏度模型(MVSM)已成为在解决组合多样化问题时广泛使用的方法。另一方面,一些研究表明[2,4,11],MVM 和MVSM的投资组合权重往往集中在少数资产或极端的情况,即使资产配置的一个重要目标是多样化[11,12]。在投资组合理论,众所周知,多样化配置可以减少投资组合中的非系统性风险。换句话说,投资组合权重(概率)多元化的增加往往伴随着投资组合选择中风险的降低[13,14]。并且,多元化的投资组合相对于个人资产来说有较低的特殊波动[12]。此外,增加投资组合的多样化可以令投资组合的方差减小。
熵已经成为被广泛接受的用于度量多样化的方法[15-23]。据了解,熵度量的投资组合权重值越大,该投资组合多样化越高。一些文献第一次尝试使用熵作为目