跳到主要內容

簡易檢索 / 詳目顯示

回結果列表
研究生： 黃致翔
Chih-Hsiang Huang
論文名稱： 最佳投資組合研究-以台股為例
指導教授： 鄭光甫
Kuang-Fu Cheng
口試委員:
學位類別： 碩士
Master
系所名稱： 理學院 - 統計研究所
Graduate Institute of Statistics
畢業學年度： 92
語文別： 中文
論文頁數： 71
中文關鍵詞： 資產配置 、時間序列模型 、混合常態分配模型
外文關鍵詞： Markowitz, ARMA, EM-algorithm, ARCH
相關次數： 點閱：11  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 摘 要
    過去應用Markowitz的投資組合模型之相關研究，通常是根據過去的歷史資料分析投資工具的期望報酬與標準差，而計算出效率前緣之投資組合。但事實上，過去的金融與經濟環境不一定能持續到未來，所以最佳資產配置的選擇雖可參考過去的經驗，但仍應對未來金融資產的報酬率、標準差、共變異數做預測，並進行調整以降低資產配置決策錯誤的可能性。本文利用時間序列的AR模型、ARIMA模型、ARCH模型分別對各個股票未來的報酬率、共變異數、變異數先行預測，再利用每一週的預測結果計算最佳資產配置。除此之外，也用常態分配模型和混合常態分配模型對過去的歷史資料作配適，得到了新的模型。實證結果顯示，在沒有賣空機制和有賣空機制下，用時間序列配置的模型明顯優於傳統MV模型和用常態分配模型和混合常態分配模型所建立的資產配置。

    目 錄 第一章 緒論 1 第二章Markowitz的MV模型 6 2.1資產配置最適化模型 6 2.2無賣空機制下的Markowitz MV模型 6 2.3有賣空機制下的Markowitz MV模型 7 第三章 時間序列模型 10 3.1 AR(p)模型 11 3.2 MA(q)模型 15 3.3 ARMA(p,q)模型 17 3.4 ARIMA(p,d,q)模型 17 3.5 ARCH模型 20 第四章 參數估計方法 26 4.1 EM演算法 26 4.2最大概似法(MLE) 28 第五章 實證分析 5.1無賣空機制下計算投資組合 30 5.1.1用歷史資料求出的投資組合 30 5.1.2用AR(0)/ARCH(0)時間序列模型求出的投資組合 34 5.1.3用AR(1)/ARCH(0)時間序列模型求出的投資組合 41 5.1.4用常態分配和混合常態分配模型求出的投資組合 43 5.2有賣空機制下計算投資組合 47 第六章 結論 51 參考文獻 52 附表1 54 附圖1~30 56

    參考文獻
    [1] Akaike, H., (1973). Information Theory and an Extension of the Maximum Likelihood Principle, in B.N. Petrov and F.Csaki, 2nd ed International Symposium on Information Theory,267-281.Akademia
    Kiado:Budapest.
    [2] Black, F. and R. Litterman, (1991). “Asset Allocation : Combing Investors’ View with Market Equilibrium”, Journal of Fixed Income, 1,7-18.
    [3] Bollerslev, T., (1986). “Generalized Autoregressive Conditional
    Heteroskedasticity”, Journal of Econometrics, 31,307-327.
    [4] Bollerslev, T., Chou, R. and K. Kroner (1992). “ARCH Modeling in Finance : A Review of The Theory and Empirical Evidence”, Journal of Econometrics, 52,5-59.
    [5] Box, G. E. P., Jenkins, G. M. and Reinsel, G. C., Time Series Analysis: Forecasting and Control, 3rd edition, Prentice Hall:Englewood Cliffs, New Jersey.
    [6] Casella, G. and Diebolt, J. (2001). Statistical Inference, 2nd
    ed, Duxbury.
    [7] Chopra,V. K. and W. T. Ziemba, (1993). “The Effect of Errors in Means, Variance, and Covariances on Optimal Portfolio Choice”, Journal of Portfolio Management, 19,6-11.
    [8] Engle, R.F. (1982). “Autoregressive Conditional Heteroskedasticity with Estimates of The Variance of UK Inflation”, Econometrica, 50, 987-1008.
    [9] Kallberg, J. G. and W. T. Ziemba, (1984). “MIS-Specification in Portfolio Selection Problem”, Lecture Notes in Economics and Mathematical System, 227,74-87.
    [10] K. M. Leytham, (1984). “Maximum Likelihood Estimates for the Parameters of Mixture Distributions”, WATER RESOURCES RESEARCH, 20,896-902.
    [11] Koskosidis, Y. A. and A. M. Duarte, (1997). “A Scenario-Based Approach to Active Asset Allocation”, Journal of PortfolioManagement, 23,74-85.
    [12] Ljung, G. and Box, G. E. P., (1978). On a Measure of Lack of Fit in Time Series Models, Biometrica, 66,394-419.
    [13] Markowitz, Harry M. (1952). “Portfolio Selection”, The Journal of Finance, 7,71-91.
    [14] Schwarz, G. (1978). “Estimating the Dimension of a Model”, The Annals of Statistics, 6,461-464.

    QR CODE
    :::