基于贝叶斯方法的积极资产组合决策模型研究.doc
文本预览下载声明
基于贝叶斯方法的积极资产组合决策模型研究????伴随现代金融市场的快速发展,为满足投资者的不同需要,各类以积极资产组合理论为依据设计的产品大量涌现。积极资产组合理论认为市场中存在错误定价的证券,通过寻找、买入并持有这类证券,投资者可以获得超过基准组合的超额收益α,但是如何构造决策模型并合理分配各资产权重,以达到最大化超额收益同时最小化风险的目标一直是该领域研究的热点。????TREYNOR等[1]提出的组合优化模型(T-B模型)被视为积极资产组合理论的奠基之作,因其简练而精确的表达形式而为实务界广泛使用。随后,ROLL[2]、WANGER[3]、JORION[4]和马永开等[5]通过改进优化方法对决策模型进行了研究,以寻找最优权重从而提高组合表现。上述研究都是建立在假设下期超额收益α已预测且预测准确的基础上,然而事实上超额收益α预测的准确性显然更加关乎配置效果,当α预测失败时,改进优化方法不可能从本质上提高组合表现。为此,本文将从提高α预测准确性和将α预测准确性加入组合配置过程中两个方面对积极组合决策模型进行改进。值得注意的是,α预测事实上并非是对市场有效理论的完全背离,大量市场异象的存在证明市场中存在错误定价的证券,当投资者发现错误定价证券时,必然加大对该证券的需求,最终使得价格回归均衡价格,市场达到有效。α预测就是发现错误定价的证券,而α的最终实现有赖于市场达到有效。????α预测根据评估方法可分为两类:①基金经理通过分析证券的基本面信息对下期α作出人为的判断;②通过建立模型刻画当前信息与下一期α之间的相关关系,寻找错误定价的股票。本文仅讨论第二类方法,该方法的成败直接受预测模型选取的影响。目前,国外对于α预测模型的研究已经开展,而国内的研究尚未起步。PERSON等[6]利用在每期预测中选取最优模型的方法来提高预测的准确性。但该方法忽略了模型的不确定性,若错误模型被选中,预测结果将十分不理想。AVRAMOV[7]、AIOLFI等[8]和MARTIN等[9]利用贝叶斯平均模型法克服了该缺陷,提高了预测精度。AMENC等[10]将贝叶斯方法应用于积极组合配置中,但仅停留在α方向预测上,而未对α进行预测,无法根据预测结果利用T-B模型进行定量化的资产配置。为此,本文针对上述问题进行改进,建立α预测模型为积极资产配置提供定量化依据。????1 模型构建????本研究将采用贝叶斯平均模型法的分析框架,通过分析建立α的回归模型,最终在预测α数值的基础上构造积极资产组合决策模型。在一般的线性回归模型使用中,往往希望在所有可能的模型中,选取一个最适当的模型,进而在假设此模型正确的基础上进行预测。然而,事实上很难确定哪一个模型才是真实的模型,即模型本身也包含了不确定性,因此,选择单一模型有可能会忽略模型本身的不确定性,造成参数估计和预测上更大的偏差,也即存在模型风险。LEAMER[11]率先提出了贝叶斯模型平均法的架构,并指出该方法可以处理模型选择的不确定性问题。????1.1 基于贝叶斯方法的积极资产组合决策模型????贝叶斯模型平均法的思路是:在一般情况下,对未来结果的预测可能存在多个可能的模型,不同模型在不同的环境下会表现出不同的预测效果,在外部环境发生变化时,传统意义下所选择的最优模型可能不再是最优模型,应根据新信息来更新对模型的判断。贝叶斯模型平均法通过假设各子模型的先验概率,得到一个“平均模型”(一般情况下,各模型初始权重相等),并利用“平均模型”对下一期的因变量进行预测。当下一期到来时,根据因变量的实际值来判断各子模型的预测效果,根据各模型的预测效果对“平均模型”中的先验概率进行更新,得到后验概率,进而得到后验的“平均模型”。这一过程将一直进行下去,只要有新信息到达,就需要利用信息对原有的先验概率进行调整而得到后验概率,并采用更新后的“平均模型”对下一期进行预测。????????????????2 中国市场条件下的模型检验????2.1 研究方法与步骤????下面对决策模型在中国市场条件下的适用性进行检验。根据模型构造中国市场条件下的积极资产组合,考察组合相对于基准组合的表现。为了降低搜寻成本,考虑到基金在选股方面的特殊能力,可以认为基金所持有的股票更加有可能获得超额收益。为了对市场有一个较为全面的覆盖,本研究参考国内基金持有的所有股票按行业共挑选考察样本48个,考察区间为2001年1月~2008年5月,见表1。????通过对国内外关于超额收益的研究结果的总结分析[13~15],选取CPI(差分)、汇率(差分)、市盈率倒数、波动性、、和前一期超额收益率作为解释变量。其中,和来自于Fama-French的三因素模型,表示小股票资产组合的收益超过大股票资产组合收益;表示高账面市值比的股票资产组合的收益
显示全部