一、证券投资中投资组合的应用研究（论文文献综述）
赵斯彤[1]（2021）在《中国股票市场的ESG责任投资研究》文中进行了进一步梳理在全球可持续发展的大背景下,ESG责任投资已成为全球资产管理行业的前沿课题之一。ESG责任投资是一种考量环境（Environmental）、社会（Social）和公司治理（Corporate governance）因素（ESG指标）并长期产生有竞争力的财务回报和积极社会效应的投资行为。相比较已发展近半个世纪的欧美资本市场ESG责任投资,国内ESG责任投资起步相对较晚。为适应国际可持续发展的大环境和吸收成熟资本市场ESG责任投资的先进经验,本文系统、全面地研究中国股票市场ESG责任投资。全文的理论意义在于社会责任投资并非仅靠投资者理念倡导和宗教信仰推动,而是从作用机理上证明社会责任投资能够创造价值,存在发展的内生动力;实践意义在于全面深入研究中国股票市场中的ESG责任投资理论和实践,不仅为价值型机构投资者指明建立和发展ESG责任投资的实践路径,还为监管者提供有力的监管依据,从而引导ESG责任投资资金在国内市场占比逐步提高,助力金融投资促进社会可持续发展共同目标。论文分别对理论研究、实证研究和实践研究三方面进行重点探讨。并围绕如下四个部分展开研究:第一,ESG责任投资的理论基础和投资逻辑。第二,建立基于ESG信息条件下的资产价格时间序列和横截面模型,拓展并完善资产定价理论模型。第三,ESG责任投资财务绩效实证研究,对国内已开展ESG责任投资的公募基金展开研究,分析基金风险收益的潜在特征和规律;通过构建实证模型,验证加入ESG信息因子后资产定价模型的有效性,这也是论证研究假说的实证核心。并且,通过正向筛选策略建立高分值股票组合的方式,进一步验证实践策略的有效性。第四,分析海外机构投资者的ESG投资实践策略和国际监管比较,构建符合中国机构投资者特征的ESG责任投资体系,以及借鉴国际监管先进经验。关于ESG责任投资的理论基础和投资逻辑。本文以投资主体的微观企业为出发点,深入剖析利益相关者理论作为社会责任投资理论基础的必要性,并基于工具性利益相关者理论构建了利益相关者管理实践与企业绩效目标之间关系的理论模型,阐释了社会责任投资与企业经营绩效相互作用的机理。关于基于ESG信息条件下的资产价格时间序列和横截面模型。本文将ESG因素内生地纳入至现代金融理论体系之中,依据资产价格的时间特征,建立基于ESG信息条件下的DDM模型;同时结合资产价格的横截面特征,阐述了ESG-SR有效前沿和ESG-CAPM模型的应用价值。研究发现,两类模型对ESG信息对股票收益率r的影响存在分异。由此,本文提出两条递进待后文检验的研究假说,即ESG信息对投资收益率有显着影响;高分值ESG评级信息与投资收益率显着正相关,且对基金组合产生超额收益率。关于ESG责任投资财务绩效实证研究。第一,本文采取对国内公募ESG责任投资基金展开描述统计,分析证明了研究假说的一般规律,还发现ESG责任投资基金具有低风险波动特征。第二,本文构建了FF5+ESG面板实证模型,选取了基于Bloomberg 2010至2020年的A股上市公司股票ESG评级数据构建全样本股票组合,实证研究发现上市公司股价具有显着的规模效应、账面市值比效应、盈利能力效应、投资风格效应和ESG信息效应。FF5+ESG模型检验的实际收益率与预期收益率的差异更小,表明市场更趋有效,可作为ESG责任投资最有效的资产定价模型,进一步严谨地验证了研究假说。第三,为了消除ESG责任投资基金产生的多重异质性特征影响,本文通过正向筛选策略建立高分值股票组合方式再次证明了研究假说,并发现了筛选强度与超额收益率呈现正向关系等推论。关于机构投资者的ESG责任投资实践和监管国际比较。本文梳理和借鉴了海外机构投资者应用的ESG整合策略,即将ESG因素和传统财务因素同时嵌入至传统投资研究各个流程环节。特别地,具体到股票分析应用层面,本文从基本面分析策略和量化策略展开分析。由此,明确了ESG责任投资原则和投资框架,为中国机构投资者构建ESG责任投资体系。此外,本文还通过国内外监管比较,归纳总结了国际监管趋势和国内监管特点,指出了监管政策补短板和改进的方向。最后,本文基于以上结论,分别对中国机构投资者和证券市场监管者提出了实践建议和监管建议,具有较高的可参考借鉴的路径指引意义。
逄嘉宁[2]（2020）在《国家文化差异与国际资本流动 ——基于国际投资的视角》文中研究表明迄今为止,大多数国际金融模型都建立在理性预期范式下。这种范式中的经济主体对复杂经济过程的规律有着超乎其学识、经历、境遇的理性又正确的感知,这显然与现实存在出入。本文认为,国际金融模型应建立在跨文化行为主体（个体、企业及国家）的价值观、感知及文化特质的基础之上,只有深入地解构文化,分析多层次文化主体对于文化的感知,才能使我们更好地理解国际资本流动中文化差异对各类投资影响。本文首先通过界定“国家文化”及“资本流动”的概念来划定文章的讨论范围。“文化”本身不仅是一个包罗万象的宽广架构,更是潜移默化中对人类行为与经济结果产生重大影响的群体心理编程。如何在纵横交错的经济、制度因素的交互作用下一窥文化差异对资本流动的影响成为了本文关注的首要问题。这不仅要求研究者对文化的概念抽丝剥茧,分离出可以量化的部分,亦需要谨慎地探究文化差异在不同维度、不同层面上不同方向和强度的效用;更要将这些问题与不同层级、不同内容的国际资本流动相结合,并寻找恰当的预测方式及回归模型。自上世纪80年代以来,以Hofstede为代表的文化社会学研究成果使文化之核心一价值观得到了量化及应用,其效度及普适性也得到了诸多验证。本文将文化价值观维度作为文化差异衡量的主要方式,以国家文化熟悉度、管理者感知文化差异作为辅助,探讨国家文化差异对经济结果的相关性及影响。第三章细述了将国家文化差异纳入经济学模型建立本文国际资本流动研究的理论基础,包括主要理论、文化差异对国际资本流动各组成部分影响及传导路径。理论发展部分介绍了经济学中刻画国际商品资本流动的经典理论引的产生背景、发展继承以及适用性;而第二部分则从资本流动的视角着笔,结合文献详述文化差异对不同资本流及资本流动构成的影响。其中传导路径一节主要描述文化对经济结果循序渐进的作用机制,论证文化与金融研究结合的适用性,并结合文献,分层次梳理文化差异对微观企业决策者,到中观企业对外投资,再到宏观国家之间的跨境资本流动的影响。所谓“见微知着”,文化最微观、最基本的载体单元是人,行为人通过自身的文化视角感知世界,并依此行事。从国际资本流动的角度来谈,从事金融资产跨境转移的主体是企业,而企业的决策主体是企业管理者。作为文化及公司行为的载体,管理者基于学习的跨文化经历形成了其对于国家文化差异的独特感知,继而塑造其对于国家文化差异对公司跨境发展意义的管理认知,并成为其制定企业的国际化战略的依据。第四章将董事会跨文化经历作为企业对文化差异感知的代理变量,利用Logit及Tobit模型,实证检验了中国上市企业董事会整体跨文化敏感度水平与公司海外并购持股份额的相关性。公司层面数据的实证研究结果一定程度上呼应了业界及学界“谈文化差异色变”的负面刻板印象。在实操过程中,文化差异不仅仅是信息摩擦、潜在交易成本的“罪魁祸首”,亦是促进创新协同,多元化发展的“肱骨之臣”。针对这一问题,本文从组织行为学的“开发-探索”视角出发,意图为“积极跨文化研究”进路增添经验证明。本文将中国企业从2005-2018年对60个东道国的对外投资数据汇总为国家层面面板数据,建立单边动态引力模型,以文化差异对中国企业对外投资的选址决策的影响为例,基于非参数协方差矩估计及D-K修正标准误,探讨文化距离对于发展中国家企业海外直接投资的流向及流量的非线性影响。实证结果表明:文化距离总体对于中国对外直接投资区位选择的影响呈U型的特征,各文化维度对于区位选择影响程度和方向并不一致。进一步的分组结果表明,文化距离的U型效应在中国企业对OECD国家的投资中体现较为明显,而对非OECD国家的投资则呈负相关。在前两章的实证研究中,文化差异影响的效度及稳健性得到了很好的数据支撑。接下来,我们将视域拓展至宏观的国际双边资本流动。受限于数据及方法,将文化差异引入分析模型的进路人迹罕至。本文的创新之处在于针对多种形式的跨国投资流,包括直接投资、证券投资以及国际资本流的组成,探讨文化差异在不同语境下与各影响因素的互动与耦合。文化差异对于不同资本流动的影响强度各不相同,研究资本双向流动能够帮助我们了解各层次不同经济主体面临的信息摩擦的本质,以及跨国资本市场的构成,而探求文化差异对于双边的整体资本流动构成的影响,以期加深和拓展研究者对文化差异与动态的金融资产跨境配置结构变动的相关性的理解。本文依托跨境资本流量数据,建立了动态面板引力模型,并基于两步的稳健系统GMM方法进行实证分析,实证结果表明,文化熟悉度对国际直接投资及证券投资的流向及流量具有积极影响,文化距离与国际直接投资呈负相关而与证券投资呈正相关,正式制度对于文化差异对国际直接投资负面效应的影响具有缓解作用而对证券投资则并不显着,与之相呼应的是,文化距离对于国际直接投资的负面影响在非OECD国家较明显,而在OECD国家则不明显;总体而言,文化距离对于国际证券投资对直接投资之比具有正面影响,说明国家对于文化距离遥远的东道国,仍偏向于承诺程度更低的非实物资产投资。最后,基于对以上分析及研究的总结,本文提出了对于未来该领域发展,以及针对目前中国国际化发展阶段的展望。
张帅[3]（2020）在《基于VaR的ZY公司私募证券投资基金市场风险控制优化》文中研究说明本文以ZY公司作为案例研究主体,通过对案例公司经营环境分析,得出提升风险控制能力是案例企业发展的关键,进一步对ZY公司所面临的的风险进行评估,得出其面临的最主要的风险为市场风险。基于VaR方法的特性,从理论层面初步提出利用VaR模型优化ZY公司现有市场风险控制机制。并进一步对VaR用于度量我国A股市场中的个股和投资组合尾部风险的有效性进行检验。在获得理论基础和实证检验数据后,借助回溯测试的方式,研究将VaR模型应用于投资实务的可行性,研究发现将VaR模型应用于提升投资组合风险收益比和控制投资组合最大回撤均有不错的效果。充分的实证检验后,基于检验结论和ZY公司市场风险控制中的不足提出了具体的优化方案,包括利用VaR模型提升ZY公司对市场风险的度量精度、利用VaR模型调整投资组合来提高组合风险收益比、利用VaR模型限制投资组合风险暴露来控制组合最大回撤以及其他提升ZY公司市场风险控制能力的优化建议。本文以解决具体商业问题为目标,研究结论可以帮助ZY公司提升市场风险控制能力,有较强的实用性。本文也有许多不足之处,在实证测试时仅考虑了国内股票市场、也仅对比了三种基础VaR计算方式在实证中的有效性,另外VaR在实际投资的应用以及对投资组合的优化方式也可以有多种不同的选择,本文未能更详尽的进行分析与测试。作者期望通过本研究,不仅可以帮助ZY公司提升市场风险管理能力和企业竞争力,同时也希望能为行业内的市场风险控制提供参考。
王雨[4]（2020）在《智能投顾服务的资产选择及价格竞争机制研究》文中研究指明国务院2017年颁布的《新一代人工智能发展规划》为我国人工智能发展明确了未来发展的战略目标。随着科学技术的发展,人工智能将为金融领域开启新篇章。智能投资顾问服务（以下简称“智能投顾”）作为人工智能在金融领域的前沿应用,为财富管理行业的投资顾问服务带来实质性的转变,并呈现高速发展的态势。我国智能投顾服务始于2015年,其通过调查问卷等方式了解用户需求,使用机器学习的方法对数据进行优化处理,通过模型选择构建基础资产库,以投资组合理论为基础,自动为不同风险偏好的用户量身定制资产配置方案,对市场进行高精度判断以增加用户满意度,从而实现投资顾问服务的智能化转型。通过查阅相关文献,我们发现当前智能投顾服务领域的研究内容主要集中于业务介绍和监管政策研究。本文尝试拓宽该领域研究视角,遵循“现状-机理-预测”的研究思路,对智能投顾服务资产选择的倾向性及价格竞争机制展开研究。首先对智能投顾的运作机制进行案例研究,初步判断影响智能投顾基础资产库选择的因素。其次,我们运用实证研究,对智能投顾服务运作机制现状下的机理进行探索,揭示智能投顾服务对基础资产的选择倾向性影响因素并对各因素间的关系进行分析。最后,我们运用理论研究证明及数据仿真的方式,对智能投顾服务的一类影响因素（管理费率）展开深入分析,通过智能投顾服务市场中的价格竞争机制的研究,尝试对市场中的价格竞争机制进行预测性探析。本文期望通过探索,为后续研究起到投砾引珠的作用,主要工作及创新点如下:1、拓展问题研究视角,顺应金融科技发展趋势。智能投顾服务在我国尚属新兴业务,通过对现有文献的研究,我们发现前人对于智能投顾服务中的资产选择及价格竞争机制鲜有研究。本文尝试拓展智能投顾的研究思路,将智能投顾服务的资产选择及价格竞争机制作为研究对象进行研究,结合社会关注热点,契合国家政策导向,丰富了相关领域中的研究成果,具有一定的现实意义。2、运用案例研究方式探索智能投顾运作机制。由于智能投顾业务的新颖性,研究中无法单纯沿用已有模型,本文通过质性研究的方式对智能投顾运作机制问题予以定性分析,对我国不同类型智能投顾的差异性及基础资产选择的影响因素进行分析,构建智能投顾服务对基础资产选择的三维度影响因素模型,揭示了影响因素的直接作用以及调节作用路径。3、运用实证分析探析新兴业务的实践做法,为其提供理论支撑。在实践中,智能投顾服务的资产选择会呈现一定的特征,而我们查阅文献,却未发现相关研究。本文从资本市场中获取真实数据,基于我国智能投顾服务的特性,运用实证分析对智能投顾服务资产选择的倾向性进行研究,尝试为实践操作提供数据上的解释,体现理论对实践的指导价值。4、契合新业务实际运作模式,构建新的模型对智能投顾服务价格竞争机制进行分析。在传统价格竞争研究中,前人考虑将价格作为影响产品需求的唯一因素。我们发现,在智能投顾服务网络中,需求并非仅受到价格影响,本文在服务网络需求模型中应用拥挤效应,构建了考虑拥挤效应的需求模型。通过理论分析及数学证明,获得智能投顾服务网络中基金管理费价格竞争中有且仅有一个纯策略纳什均衡解的结论,将理论与实践紧密结合,对基金管理公司和智能投顾公司的定价以及监管部门的未来政策制定提供了实质性的建议和帮助。本文作为一种探索性的研究,尝试将智能投顾服务的研究领域进行拓展,并将理论与工作实践有机结合,对当前资本市场中的现实问题进行分析研究,为基金管理公司、智能投顾公司和监管部门提供了一种启发式的思路,具有一定的现实意义和理论价值。
魏苗[5]（2020）在《多元时间序列聚类算法及其选股策略应用研究》文中研究表明时间序列数据在生产与生活中普遍存在,已有不少学者对时间序列挖掘技术进行研究。随着研究深入,一元时间序列挖掘技术逐渐成熟,其在金融证券领域也得到广泛应用。例如,利用时间序列分析证券市场的特征,进行交易建议等。金融时间序列分析成为金融研究中的重要方向。多元时间序列数据同时利用多个指标描述对象,其表达的信息,隐藏的知识远远多于一元时间序列。但是由于其高维性和复杂性,目前对于多元时间序列的研究相对不足,在金融应用方面也缺少基于多元数据的分析。本文针对多元时间序列聚类技术从不同角度出发,提出两种新的多元时间序列聚类模型:（1）引入属性权值和模糊隶属度矩阵提出一种属性加权的多元时间序列聚类方法。该方法根据不同维度数据的离散程度赋予相应维度不同权重,并通过距离信息将原始多元时间序列转换为模糊隶属度矩阵。最终,通过模糊均值聚类得到聚类结果。仿真实验证实该方法能够有效提升多元时间序列的聚类质量,适用于指定类簇的多元时间序列聚类。（2）提出一种无参数聚类方法,从复杂网络角度将基于社区发现的一元时间序列聚类拓展到多元时间序列数据中。新方法通过综合考虑多元时间序列数据在各个维度上的多个最近邻居数从而避免聚类过程中的参数选择。新方法能够自适应地确定数据集中的社区数量,实现多元时间序列的无参数聚类。仿真实验中证实,新的聚类方法在减少参数的同时保证了聚类结果的质量及聚类效率,并适用于聚类无先验知识多元时间序列数据集。此外,本文将所提出的两个新聚类模型与金融证券市场结合从而指导投资决策。首先,利用基于社区发现的无参数聚类方法找到多元股票数据集中存在的社区结构,确定适宜的聚类簇数。随后,利用属性加权的聚类方法得到最终聚类结果。依据该聚类结果提出两种不同目标的选股策略,结合马科维兹模型对选股策略进行了有效性检验。实验中证实利用新的聚类模型结合选股策略的投资组合其收益率优于对比算法与市场基准,对投资者具备参考价值。
王旭婷[6]（2020）在《考虑期权、远期合约的不确定投资组合模型及决策研究》文中认为投资组合是将资金进行最优投资分配,从而实现一定风险下的最大收益。1952年,Markowitz提出了着名的均值-方差投资组合模型,打开了现代投资组合理论的大门。在现实生活中,经常存在历史数据缺失（比如新发行的股票）或历史数据无法有效反映未来金融市场的情况（比如2020年美股的连续多次熔断）,这时人们不得不借助人为估计来帮助投资决策。而人为的估计可能与未来真实情况发生偏差,这时概率论的使用会放大人为估计偏差,于是本文用不确定理论来解决投资组合问题。在不确定投资组合领域,还没有学者研究考虑金融衍生品的投资问题。所以本文研究不确定环境下考虑金融衍生品的投资组合模型及决策问题,具体的研究内容和创新点如下。（1）将未来股指价格视为不确定变量,运用不确定理论,建立考虑欧式看涨期权的不确定均值-机会投资组合模型,然后对考虑期权和不考虑期权的投资组合的最佳收益进行比较,结论是考虑期权的证券投资产生的最优收益大于等于不考虑期权的最优收益。此外,本文进行了灵敏度分析,最后给出一个数值示例,结果表明,在证券投资中应该考虑期权,并且具有相同到期日的欧式看涨期权,执行价格越高收益越大。（2）同样对于考虑欧式看涨期权的投资组合问题,运用风险指数作为风险度量方法,建立了考虑欧式看涨期权的不确定均值-风险指数投资组合模型,其中风险指数被定义为低于无风险利率的平均损失。理论计算和实证分析发现,不确定均值-风险指数和均值-机会投资组合问题有相同的结论:考虑期权的投资组合比不考虑期权的投资组合产生更高的回报,期权可以有效地对冲风险,相同到期日的欧式看涨期权其执行价格越高收益越大。除此以外,本文比较了考虑期权的不确定均值-机会和均值-风险指数投资组合模型,得到:在多数情况下,与均值-机会模型相比,考虑期权的不确定均值-风险指数投资组合模型产生的预期收益更大。（3）将国内投资拓展为国际投资问题,将股票价格和汇率均视为不确定变量,讨论考虑远期合约的不确定均值-方差国际投资组合问题。研究表明,国际投资组合的收益大于等于国内投资。当证券价格和汇率为对数正态变量时,考虑远期合约可以有效的提高国际投资组合的收益,同时降低投资风险,投资组合的有效前沿向左上方移动。在一般分布情况下,如果对数证券价格和对数汇率在其各自的期望值处具有相同的信度,则远期合约同样可以有效降低国际投资风险。但是,在国际投资组合中考虑远期外汇合约并不总是有利的。（4）对于同样的国际投资组合问题,提出了不确定均值-机会模型。然后给出了模型的解析解,并讨论了远期合约对不确定国际投资的影响。结果发现在风险承受能力较小时,远期合约在对冲风险方面表现良好,并带来高回报。但是,当风险承受水平变大时,远期合约降低风险的同时也消除了潜在的高回报。此外,在一般情况下,考虑远期合约可以给国际投资者带来更稳定和相对较高的回报。
张珊[7]（2020）在《全国社保基金投资风险及对策研究》文中指出社保基金,作为社会保障制度的基石和实现互助共济作用的经济基础,保证其安全性不受侵害非常重要;自全国社保基金建立以来,社保基金结余的不断增多,保证其价值的保值也非常重要;加之近年来,我国的老龄化程度加深,养老金面临的巨大支付压力也使得全国社保基金的收支压力剧增,保证基金的增值亦同样重要。为实现上述“安全”、“保值”、“增值”目标,我国社保基金不断地寻找投资的有效渠道。但是随着投资渠道的不断拓宽,金融工具的逐渐丰富,以及投资市场的变化莫测,必然使得社保基金的投资风险随之增大,但社保基金异于其他普通基金,它作为一项未来必须偿还的债务,作为百姓的“养命钱”,安全和收益是必须始终坚持的目标。所以,研究投资风险如何进行规避的路径极为紧迫。文章总体上按照全面风险管理的原则,通过“风险剖析-风险度量-风险应对”的总体策略,详细探析现阶段社保基金的投资风险相关问题,从而为今后我国社保基金在投资风险方面应当如何进行应对提出了切实可行的对策,同时也给未来期间的投资计划及风险规避路径提供一定的借鉴。文章首先对社会保障基金的基础概念和投资现状进行了详细的梳理,得出了目前社保基金投资平均报酬率虽略高于通胀率,但却存在着收益不稳定、投资领域集中、未呈现分散化趋势的弊病与风险。其次,对目前我国社保基金投资方面存在的致险因素进行了分析,认为目前我国社保基金投资存在着投资结构不合理、收益率波动大、金融工具匮乏、相关法律滞后等致险因素。另外通过划分系统性风险和非系统性风险分别阐述了其对社保基金投资的影响,并采用CAPM模型对社保基金投资的合理比例和风险进行一个详细的测算,旨在为我国社保基金投资的合理比例提供借鉴。最后,在分析和测量的基础上,分别在微观和宏观两个层面提出了对策,在微观层面提出应当坚持分散化投资原则、优化投资结构、加快金融工具创新和人才培养、完善信息披露制度和激励问责机制等对策,在宏观层面,提出了应当健全社保基金投资法律体系、完善风险管理体系和预警机制、创新监管模式等相关对策。
李腊生,张冕,黄孝祥[8]（2019）在《基于确定性偏好的投资组合选择》文中研究指明文章在对马科维茨证券投资组合模型简要评述的基础上,针对投资者可选标的证券信息集非对称的现实,依据确定性偏好原理,将投资者对可选标的证券信息的确定性程度转换成偏好次序关系,同时结合行为金融学中的前景理论,依确定性偏好次序规则来确定权重函数,并在价值函数-风险的框架下探讨了证券投资组合模型的构建及其最优解,从而在行为金融理论下扩展了马氏证券投资组合模型。实证分析表明,我国证券市场投资者基本是采用线性赋权方式来处理非对称信息集下的投资组合选择的。
卞进[9]（2019）在《基于人工智能量化分析的我国资产证券化产品投资组合优化研究》文中进行了进一步梳理资产证券化作为现代金融市场上融资者获得资金的重要融资渠道和进行金融风险管理的全新手段与工具,资产证券化近年来受关注度的不断增加,其市场规模不断扩大且产品类型日益丰富,在推动经济结构优化升级和服务实体经济等方面发挥着越来越重要的作用。我国资产证券化市场已进入建设发展阶段的关键时期,对产品进行创新成为必然趋势。在我国证券市场的逐步成熟的同时,大数据、云计算、人工智能（AI,Articial Intelligence）等为代表的新一代信息技术也迅猛发展。基于人工智能的量化投资方法借助计算机所拥有的强大算力可以实现对整个市场的跟踪监测,及时发现市场中潜在的交易机会并给予精准评价,有效减少因情绪波动等因素给交易决策带来的不利影响,并且能够与其他人工投资策略形成一定的负相关性并以此丰富投资策略组合,正是因为人工智能量化投资所具有的这些特点与优势,将其引入金融行业领域恰逢其时。在此背景下,本文将人工智能量化投资引入资产证券化,研究和探讨最优投资组合方案。首先,本文第一章和第二章对资产证券化与人工智能的关系进行阐述,分析中美资产证券化差异,探讨当前人工智能在国内资产证券化产品投资组合中的应用情况。其次,本文对我国资产证券化交易规定及投资成本进行调研,从不同投资者的角度建立五组真实交易场景和假设条件,构建理想收益率模型,使用上交所、银行间、深交所三个市场的2015年至2018年二级资产证券化交易数据,得出不同参数条件下的理想收益并基于L2范数考量各投资策略组合中夏普比率的平均水平和波动性。最后,基于已提出的理想收益率模型优化思路,建立了Lasso回归、岭回归、XGBoost、LightGBM、神经网络以及SVM（Support Vector Machine,支持向量机）六组人工智能配置模型,并基于人工智能投资策略中的累计收益率均值与累计收益率波动率构建Dis指标定量观测模型与作为基准绩效的理想收益率的绩效差距。实验结果表明:在结构化率、质押比率以及杠杆比率等参数发生改变、其余参数恒定时,岭回归模型表现均与理想收益率有着最接近的绩效表现;因此岭回归对回购质押比例、杠杆比率以及结构化率三个参数的敏感度较低,在这三个参数下的投资者角度的策略中有着一定的参考价值,本文的研究进一步说明了运用人工智能的方法可以为投资者带来更好投资绩效。本文创新点主要有以下四点（1）针对因资产证券化流动性不足导致没有权威的业绩评估标准的问题,本文基于理想条件的重要特性提出了可以被当作业绩评估基准的理想收益率模型,并通过实证研究证明了该模型在理论上可以达到特定标的下的最高投资收益,为后续人工智能模型在金融领域的应用探索奠定了坚实的基础。（2）本文提出了多种人工智能模型预测投资组合可行性从而确定具体投资策略的方法,克服了传统资产证券化投资中的强假设以及投资者看法过于主观随意、不能客观反映实际问题。（3）本文主要使用了主流的人工智能模型——Lasso回归、岭回归、XGBoost、LightGBM、神经网络以及SVM的模型及思想、原理,并严格的给出各模型的数学或算法基础。通过构建资产证券化产品的配置策略以及对各模型所做的实证研究,证明了所构建的岭回归在综合性上具有一定的优势,通过Dis指数和后续比较反映出岭回归的稳定性较好,同时兼具理论严谨性与在投资绩效上的优越性。对于结构化率变化,岭回归依旧表现抢眼。这进一步反映出在运用人工智能方法为投资者提供分析时,采取多视角多模型的分析方式可以带来更好的投资绩效。（4）提出了基于遗传算法的投资组合智能优化模型。现阶段学术界关于资产证券化以及资产组合优化这一细分领域的研究成果相对有限,且多散落于资产证券化的资产管理等文献之中。学术界对资产证券化的资产组合优化研究主要集中于均值方差资产组合、重抽样组合的优化以及基于公司特征的组合优化之中。这些优化方法的全局寻优能力较弱,普适性较低故在此构建基于遗传算法的投资组合智能优化模型对资本组合进行全局寻优。
罗能[10]（2019）在《共同基金投资组合集中度对基金业绩的影响研究》文中认为自上个世纪九十年代起步后,我国共同基金经过二零零五年到二零一五年的“十一五”期间的高速发展,现已拥有一点九二万亿美元的规模,已成为我国金融市场的重要一环。由于金融市场高波动性与高风险性的存在,共同基金获取风险投资回报的难度较大,需要基金经理基于其业务能力与信息优势进行综合判断,提出合理的投资组合策略。本篇文章关心的是在共同基金的基金经理是否有能力持续地为基金持有人获取收益?以及基金经理在具有信息优势的情况下,其投资决策是否会偏离完全多样化的投资组合?以及有哪些因素会对共同基金投资组合集中度产生影响。因此本篇文章主要研究的是共同基金投资组合集中度对于基金业绩的影响,哪些方面的因素会对共同基金投资组合集中度产生影响。在本文的实证研究部分,会展开几个方面对这些问题进行理论分析与实证检验。并基于理论基础对实证结果进行分析,以得到与国内共同基金业现状相符的研究结论,并以此为基金监管部门提出有效的政策建议,为基金管理公司提出相应的投资组合反馈,并帮助基金投资者做出科学合理的决策。利用国内共同基金2005-2017年的投资组合数据,本文测试了集中投资策略是否导致超额风险调整回报。本文采用了几种共同基金业绩度量方法,发现投资组合集中度与共同基金的风险调整回报显着正相关。结果表明,与传统资产定价理论相比,基于信息优势理论,对于国内的共同基金,集中投资策略最优。
二、证券投资中投资组合的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、证券投资中投资组合的应用研究（论文提纲范文）
（1）中国股票市场的ESG责任投资研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 第一节 研究背景与问题提出 |
| 第二节 研究目的和意义 |
| 一、理论意义 |
| 二、实践意义 |
| 第三节 研究内容和研究方法 |
| 一、研究内容 |
| 二、研究方法 |
| 第四节 论文可能的创新和不足 |
| 第二章 文献回顾与述评 |
| 第一节 社会责任投资与ESG责任投资的涵义 |
| 一、历史沿革 |
| 二、概念厘清 |
| 第二节 国外文献综述 |
| 一、投资者行为 |
| 二、社会责任投资的发展演变 |
| 三、社会责任投资基金的财务绩效 |
| 第三节 国内文献综述 |
| 一、ESG责任投资学术研究综述 |
| 二、ESG责任投资市场研究综述 |
| 第四节 文献述评 |
| 第三章 ESG责任投资:全球发展现状分析 |
| 第一节 全球ESG责任投资发展现状分析 |
| 一、全球ESG责任投资发展概览 |
| 二、美国股票市场ESGETF发展现状 |
| 三、欧洲ESG责任投资的现状 |
| 四、全球ESG责任投资发展存在的问题 |
| 第二节 国内ESG责任投资发展现状分析 |
| 一、上市公司ESG披露现状 |
| 二、泛ESG股票指数的发展 |
| 三、ESG公募基金产品情况 |
| 四、商业银行ESG理财产品情况 |
| 五、国内ESG责任投资发展存在的问题 |
| 第四章 ESG责任投资:一般理论分析 |
| 第一节 ESG责任投资者动机 |
| 一、道德和宗教动机 |
| 二、鼓励企业维护利益相关人关系动机 |
| 三、经济利益动机 |
| 四、影响企业经营方式动机 |
| 五、监管动机 |
| 第二节 社会责任投资的理论基础 |
| 一、企业社会责任与利益相关者 |
| 二、社会责任投资与利益相关者 |
| 三、传统金融投资与社会责任投资的联系和区别 |
| 第三节 ESG责任投资的数理模型 |
| 一、ESG信息条件下的DDM模型推导 |
| 二、ESG投资资产价格横截面模型 |
| 第四节 本章节小结 |
| 第五章 ESG责任投资:指标体系分析 |
| 第一节 ESG指引学理分析:来自香港联交所的案例 |
| 第二节 环境、社会和公司治理指标的经济学解读 |
| 一、环境(E)因素指标内容 |
| 二、社会(S)因素指标内容 |
| 三、公司治理(G)因素指标内容 |
| 第三节 MSCI ESG指标体系的经济学分析 |
| 一、MSCI ESG评级方法论 |
| 二、关键问题评估 |
| 三、构筑评级 |
| 四、ESG评级流程概述 |
| 第四节 Bloomberg ESG评级体系的经济学分析 |
| 一、ES Scores产品开发流程 |
| 二、评分框架和问题优先级 |
| 三、评分方法 |
| 第五节 国内外ESG评级体系的综合解析 |
| 第六章 ESG责任投资:财务绩效实证研究 |
| 第一节 国内ESG责任投资基金的描述统计 |
| 第二节 实证模型和研究假设 |
| 一、实证模型的文献梳理 |
| 二、实证模型的构建 |
| 三、本文实证模型的思路 |
| 第三节 实证数据采集和构造 |
| 一、投资组合的划分 |
| 二、因子定义 |
| 三、样本数据选取与处理 |
| 第四节 FF5+ESG因子模型实证结果 |
| 一、各因子收益率的描述性统计 |
| 二、各因子的市场风格检验1 |
| 三、各因子的市场风格检验2 |
| 四、5x5 因变量分组检验结果 |
| 五、FF5+ESG与其他模型表现的比较 |
| 第五节 稳健性检验 |
| 一、各因子的市场风格检验1 |
| 二、各因子的市场风格检验2 |
| 三、5x5 因变量分组检验结果 |
| 四、FF5+ESG与其他模型表现的比较 |
| 第六节 通过筛选策略建立股票组合的风险收益特征 |
| 一、Bloomberg EQBT股票回测方法 |
| 二、10%正向筛选强度构建组合情况 |
| 三、5%正向筛选强度构建组合情况 |
| 四、1%正向筛选强度构建组合情况 |
| 五、正向筛选ESG投资组合的回测结果 |
| 第七节 本章小节 |
| 第七章 ESG责任投资:机构投资者的实践和监管国际比较 |
| 第一节 ESG责任投资的单一实践方式 |
| 一、筛选(Screening)策略 |
| 二、股东积极主义(Shareholder Activism)策略 |
| 三、社区投资(Community Investment)实践方式 |
| 第二节 海外机构投资者的ESG责任投资管理 |
| 一、ESG整合策略整体框架 |
| 二、ESG整合策略的定性和定量方法应用 |
| 三、股票分析的具体应用 |
| 第三节 中国机构投资者ESG责任投资体系的建设 |
| 一、ESG责任投资原则 |
| 二、ESG责任投资框架 |
| 三、ESG事件在投资流程中的影响——案例分析 |
| 第四节 监管政策国际比较 |
| 一、全球监管整体现状 |
| 二、ESG责任投资监管政策的学理分析 |
| 三、国际监管政策前沿动态和趋势 |
| 四、中国监管政策的进展和不足 |
| 第五节 本章小结 |
| 第八章 结论和政策建议 |
| 第一节 本文结论 |
| 一、利益相关人理论是ESG责任投资的理论基础 |
| 二、ESG信息对股票收益率的理论影响 |
| 三、财务绩效实证研究的主要结论 |
| 四、国内ESG责任投资基金和正向筛选策略的风险收益特征 |
| 第二节 实践和政策建议 |
| 一、对中国机构投资者的实践建议 |
| 二、对中国股票市场监管者的政策建议 |
| 参考文献 |
| 附录 |
| 致谢 |
（2）国家文化差异与国际资本流动 ——基于国际投资的视角（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 研究意义 |
| 1.1.2 选题背景 |
| 1.2 主要概念与数据来源 |
| 1.2.1 国际资本流动的概念 |
| 1.2.2 国家文化的概念 |
| 1.2.3 主要数据来源 |
| 1.3 文献综述 |
| 1.3.1 国际资本流动的理论与实证研究 |
| 1.3.2 国家文化差异与国际资本流动 |
| 1.3.3 文献评述与研究启示 |
| 1.4 研究的主要方法和结构 |
| 1.4.1 研究方法 |
| 1.4.2 研究结构 |
| 1.5 研究的创新与不足 |
| 1.5.1 研究创新 |
| 1.5.2 研究不足 |
| 第2章 文化差异研究与金融学的互动与耦合 |
| 2.1 全球化背景下国家文化的内涵与演化 |
| 2.1.1 文化的前因:定义与内涵 |
| 2.1.2 文化的现状:演化和稳定 |
| 2.1.3 文化的后果:趋同和逐异 |
| 2.2 金融学视野下的国家文化差异研究 |
| 2.2.1 传统金融学理论的不足与改进 |
| 2.2.2 文化研究的视角 |
| 2.2.3 文化与金融学研究 |
| 2.3 国家文化差异的度量 |
| 2.3.1 国家文化价值观维度 |
| 2.3.2 国家文化距离指数 |
| 2.4 国家文件差异在不同层面的应用 |
| 2.4.1 宏观层面:国家 |
| 2.4.2 中观层面:跨国企业 |
| 2.4.3 微观层面:企业决策者 |
| 第3章 国家文化差异与国际资本流动研究的理论基础 |
| 3.1 国际资本流动的引力模型 |
| 3.1.1 国际资本流动的“推力”与“拉力” |
| 3.1.2 国际资本流动的“引力模型” |
| 3.2 国家文化差异影响国际资本流动的传导路径 |
| 3.2.1 从管理者到企业 |
| 3.2.2 从企业到国家 |
| 3.2.3 从国家到国际 |
| 3.3 本章小结 |
| 第4章 国家文化差异与企业对外投资持股决策 |
| 4.1 中国企业海外投资的概况与特征 |
| 4.2 管理者文化差异认知的形成 |
| 4.3 企业海外投资持股策略的形成 |
| 4.4 管理者文化差异认知对企业并购持股策略影响的实证研究 |
| 4.4.1 变量选取与模型构建 |
| 4.4.2 实证结果与分析 |
| 4.5 本章小结 |
| 第5章 国家文化差异与国家对外投资的流量 |
| 5.1 中国海外股权投资的发展与现状 |
| 5.2 基于中国企业数据的国际投资的区位选择 |
| 5.2.1 文化差异对国际投资的区位选择的理论分析 |
| 5.2.2 以中国企业作为研究样本的必要性 |
| 5.3 国家文化差异U型效应的理论基础 |
| 5.3.1 基于非参数协方差矩阵估计方法的回归分析 |
| 5.3.2 “开发-探索”视角下的积极文化差异观 |
| 5.3.3 多维度文化价值观差异的效应 |
| 5.4 国家文化差异U型效应的实证检验 |
| 5.4.1 变量选取与模型构建 |
| 5.4.2 稳健性分析及U型关系检验 |
| 5.5 本章小结 |
| 第6章 国家文化差异与国际双边资本流动 |
| 6.1 国家文化差异与双边国际投资流动 |
| 6.2 研究方法和数据来源 |
| 6.3 国家文化差异与双边国际直接投资的实证检验 |
| 6.3.1 基于FGLS回归的实证分析 |
| 6.3.2 基于动态面板系统GMM模型的实证分析 |
| 6.4 文化差异对双边国际证券投资流动影响的实证检验 |
| 6.5 文化差异对双边国际资本流动构成影响的实证检验 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 政策建议 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
（3）基于VaR的ZY公司私募证券投资基金市场风险控制优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 课题的背景及研究意义 |
| 1.1.1 选题的背景 |
| 1.1.2 研究的意义 |
| 1.2 国内外相关研究动态及文献综述 |
| 1.2.1 国内外研究回顾 |
| 1.2.2 文献回顾评述 |
| 1.3 研究思路与框架 |
| 第二章 相关概念与理论基础 |
| 2.1 私募证券投资基金的概念与特征 |
| 2.1.1 私募证券投资基金的概念 |
| 2.1.2 私募证券投资基金的特征 |
| 2.2 企业环境分析工具 |
| 2.2.1 PEST分析法 |
| 2.2.2 波特五力模型 |
| 2.3 市场风险的评估方法 |
| 2.3.1 波动性指标 |
| 2.3.2 证券或组合的β |
| 2.3.3 VaR方法 |
| 2.4 VaR指标的原理及计算方法 |
| 2.4.1 VaR的原理 |
| 2.4.2 常用的VaR计算方法 |
| 2.5 本章小结 |
| 第三章 ZY公司当前经营状况的分析 |
| 3.1 ZY公司内部环境分析 |
| 3.1.1 ZY公司概况 |
| 3.1.2 ZY公司的竞争优势和劣势 |
| 3.2 ZY公司外部环境分析 |
| 3.2.1 宏观环境分析 |
| 3.2.2 行业竞争环境分析 |
| 3.3 本章小结 |
| 第四章 ZY公司的风险因素分析 |
| 4.1 ZY公司面临的风险因素分析 |
| 4.1.1 一般性风险因素分析 |
| 4.1.2 市场风险因素分析 |
| 4.1.3 ZY公司的风险因素总结 |
| 4.2 ZY公司现有的市场风险控制机制 |
| 4.2.1 ZY公司的风险控制方法 |
| 4.2.2 ZY公司市场风险控制体系的不足 |
| 4.3 本章小结 |
| 第五章 利用VaR进行市场风险度量与控制的实证研究 |
| 5.1 多种方法下VaR模型度量证券价格尾部风险的实证检验 |
| 5.1.0 数据的选取与计算工具 |
| 5.1.1 方差-协方差法下VaR的实证检验 |
| 5.1.2 历史模拟法下VaR的实证检验 |
| 5.1.3 蒙特卡洛模拟法下VaR的实证检验 |
| 5.1.4 投资组合VaR计算的实证检验 |
| 5.1.5 VaR模型度量证券价格尾部风险的实证检验结论与分析 |
| 5.2 利用VaR进行市场风险控制应用研究 |
| 5.2.1 利用VaR优化投资组合风险收益比 |
| 5.2.2 利用VaR控制组合回撤 |
| 5.2.3 利用VaR进行市场风险控制应用研究的结论与分析 |
| 5.3 本章小结 |
| 第六章 基于VaR的ZY公司市场风险控制优化 |
| 6.1 利用VaR模型提升ZY公司对市场风险的度量精度 |
| 6.2 利用VaR模型调整投资组合持股，提高组合风险收益比 |
| 6.3 利用VaR模型限制投资组合风险暴露，控制组合最大回撤 |
| 6.4 其他提升ZY公司市场风险控制能力的优化建议 |
| 第七章 结论与展望 |
| 参考文献 |
| 致谢 |
（4）智能投顾服务的资产选择及价格竞争机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 投资顾问的发展 |
| 1.1.2 智能金融的应用 |
| 1.1.3 智能投顾的优势 |
| 1.1.4 智能投顾的发展 |
| 1.2 研究意义 |
| 1.3 研究内容与方法 |
| 1.4 本文创新点 |
| 第2章 理论背景和相关研究工作 |
| 2.1 投资组合理论 |
| 2.2 信号传递理论 |
| 2.3 利益相关者理论 |
| 2.4 相关研究工作 |
| 2.4.1 投资顾问的相关研究工作 |
| 2.4.2 智能投顾的相关研究工作 |
| 2.4.3 投资组合的相关研究工作 |
| 2.4.4 价格竞争的相关研究工作 |
| 2.5 本章小结 |
| 第3章 智能投顾服务运作机制的案例研究 |
| 3.1 研究背景分析 |
| 3.1.1 我国智能投顾服务的发展背景分析 |
| 3.1.2 我国初创型与成熟型智能投顾公司(平台)的差异分析 |
| 3.1.3 我国智能投顾服务的运作流程分析 |
| 3.2 研究设计 |
| 3.2.1 案例选择 |
| 3.2.2 数据收集 |
| 3.2.3 分析步骤 |
| 3.2.4 案例变量编码及模型构建 |
| 3.3 影响因素与作用机理分析 |
| 3.3.1 基础资产所属机构属性作用分析 |
| 3.3.2 基础资产属性作用分析 |
| 3.3.3 基础资产运作人属性作用分析 |
| 3.4 案例研究结果讨论 |
| 3.5 本章小结 |
| 第4章 智能投顾服务对基础资产的选择倾向性研究 |
| 4.1 智能投顾基础资产库构建模式 |
| 4.2 研究假设 |
| 4.2.1 基金特征与智能投顾选择行为 |
| 4.2.2 基金经理特征与智能投顾选择行为 |
| 4.2.3 基金经理特征的调节作用 |
| 4.3 研究设计 |
| 4.3.1 研究样本选取 |
| 4.3.2 变量描述 |
| 4.3.3 数据分析 |
| 4.3.4 模型的构建 |
| 4.4 实证结果及分析 |
| 4.5 实证研究结果讨论 |
| 4.5.1 对于智能投顾公司的借鉴意义 |
| 4.5.2 对于基金管理公司的借鉴意义 |
| 4.6 本章小结 |
| 第5章 智能投顾服务市场中的价格竞争机制研究 |
| 5.1 研究背景 |
| 5.2 研究挑战 |
| 5.3 智能投顾产品的价格竞争环境 |
| 5.4 集中优化方法对个体的非有效性验证 |
| 5.5 智能投顾服务市场价格竞争模型构建及验证 |
| 5.5.1 智能投顾服务市场价格竞争模型构建 |
| 5.5.2 智能投顾服务市场价格竞争问题复杂度研究 |
| 5.5.3 模型仿真 |
| 5.5.4 结果分析 |
| 5.6 智能投顾服务市场的价格竞争研究 |
| 5.6.1 拥挤效应的应用 |
| 5.6.2 假设条件 |
| 5.6.3 考虑拥挤效应的需求模型构建 |
| 5.6.4 智能投顾服务市场价格竞争均衡研究 |
| 5.7 仿真分析 |
| 5.7.1 算例基本假设条件 |
| 5.7.2 模型构建及求解 |
| 5.7.3 算例结果分析 |
| 5.8 定价策略研究结果讨论 |
| 5.8.1 对于基金管理公司的借鉴作用 |
| 5.8.2 对于智能投顾公司的借鉴作用 |
| 5.8.3 对于行业监管的借鉴作用 |
| 5.9 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（5）多元时间序列聚类算法及其选股策略应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究综述 |
| 1.2.1 表示性聚类方法 |
| 1.2.2 结合相似性度量的聚类方法 |
| 1.2.3 改进流程的聚类方法 |
| 1.2.4 时间序列聚类在证券领域的应用 |
| 1.2.5 现有研究的不足 |
| 1.3 主要内容与论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构 |
| 1.3.3 技术路线 |
| 第2章 相关理论基础 |
| 2.1 多元时间序列的概念 |
| 2.2 多元时间序列的特性 |
| 2.3 聚类算法 |
| 2.3.1 模糊C均值聚类 |
| 2.3.2 基于密度峰值的聚类 |
| 第3章 属性加权的多元时间序列聚类方法 |
| 3.1 基于形状的时间序列相似性度量 |
| 3.2 加权聚类方法 |
| 3.2.1 属性权值计算 |
| 3.2.2 模糊隶属度矩阵的构建 |
| 3.2.3 聚类流程 |
| 3.2.4 时间复杂度 |
| 3.3 .实验结果与分析 |
| 3.3.1 有效性验证 |
| 3.3.2 对比实验 |
| 3.3.3 时间消耗 |
| 3.4 本章小结 |
| 第4章 基于社区发现的多元时间序列聚类方法 |
| 4.1 理论方法 |
| 4.1.1 K近邻分类方法 |
| 4.1.2 SDTW距离度量方法 |
| 4.2 无参数聚类方法 |
| 4.2.1 邻居矩阵 |
| 4.2.2 复杂网络构建 |
| 4.2.3 聚类流程 |
| 4.2.4 时间复杂度分析 |
| 4.3 实验结果与分析 |
| 4.3.1 参数对比实验 |
| 4.3.2 聚类结果 |
| 4.3.3 时间消耗 |
| 4.4 本章小结 |
| 第5章 基于多元时间聚类的类簇分析及选股策略 |
| 5.1 马科维兹模型 |
| 5.1.1 马科维兹投资组合模型的基本假设 |
| 5.1.2 马科维兹均值方差模型 |
| 5.2 股票数据选取 |
| 5.2.1 股票交易数据的属性 |
| 5.2.2 样本选择 |
| 5.3 基于聚类的股票分析流程 |
| 5.4 多元股票数据的社区构建 |
| 5.5 聚类结果分析 |
| 5.5.1 类簇行业股票统计分析 |
| 5.5.2 类簇股票收盘价波动可视化分析 |
| 5.6 基于聚类的选股策略 |
| 5.6.1 夏普最大选股策略 |
| 5.6.2 风险分散选股策略 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 攻读硕士学位期间科研成果 |
（6）考虑期权、远期合约的不确定投资组合模型及决策研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究框架与研究内容 |
| 1.4 创新点 |
| 2 理论基础和文献综述 |
| 2.1 投资组合理论及其研究现状 |
| 2.2 金融衍生品理论及其研究现状 |
| 2.3 不确定理论基础知识及其研究现状 |
| 2.3.1 不确定理论及其研究现状 |
| 2.3.2 不确定理论基础知识 |
| 3 考虑期权的不确定均值-机会投资组合问题研究 |
| 3.1 考虑期权的不确定均值-机会投资组合模型 |
| 3.2 模型的等价形式 |
| 3.3 考虑期权和不考虑期权的最优投资组合的比较 |
| 3.4 灵敏度分析 |
| 3.5 数值算例 |
| 3.6 本章小结 |
| 4 考虑期权的不确定均值-风险指数投资组合问题研究 |
| 4.1 考虑期权的不确定均值-风险指数投资组合模型 |
| 4.2 模型的等价形式 |
| 4.3 均值风险指数和均值机会投资组合的比较 |
| 4.4 数值算例 |
| 4.5 本章小结 |
| 5 考虑远期合约的不确定均值-方差国际投资组合问题研究 |
| 5.1 考虑远期合约的不确定均值-方差国际投资组合模型 |
| 5.2 模型的等价形式 |
| 5.3 对数正态情况下远期合约的表现 |
| 5.3.1 对数正态情况下不确定模型的等价形式 |
| 5.3.2 远期合约在期望对数收益方面的表现 |
| 5.3.3 远期合约在风险方面的表现 |
| 5.4 在任意分布下远期合约的表现 |
| 5.5 数值算例 |
| 5.6 本章小结 |
| 6 考虑远期合约的不确定均值-机会国际投资组合问题研究 |
| 6.1 不确定均值-机会国际投资组合模型 |
| 6.2 模型的等价形式 |
| 6.3 模型的解析解 |
| 6.4 远期合约对国际投资组合的影响 |
| 6.5 数值算例 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 上证指数50ETF价格的不确定分布的确定过程 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（7）全国社保基金投资风险及对策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 国内外研究文献综述 |
| 1.3.1 国内研究综述 |
| 1.3.2 国外研究综述 |
| 1.3.3 文献评析 |
| 1.4 研究思路与研究方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.5 创新点与不足 |
| 第2章 相关概念及理论基础 |
| 2.1 相关概念 |
| 2.1.1 社保基金 |
| 2.1.2 社保基金投资 |
| 2.1.3 社保基金投资风险 |
| 2.2 相关基础理论 |
| 2.2.1 委托代理理论 |
| 2.2.2 风险-收益理论 |
| 2.2.3 短视的风险厌恶理论 |
| 2.2.4 现代投资组合理论 |
| 第3章 社会保障基金投资现状及风险分析 |
| 3.1 社保基金投资方式及投资范围 |
| 3.1.1 投资方式 |
| 3.1.2 投资范围 |
| 3.2 社保基金投资收益现状 |
| 3.2.1 投资规模 |
| 3.2.2 收益情况 |
| 3.3 社保基金投资中面临的系统性风险 |
| 3.3.1 政治风险及政策风险 |
| 3.3.2 利率风险 |
| 3.3.3 经济周期风险 |
| 3.3.4 通货膨胀风险 |
| 3.3.5 市场风险 |
| 3.4 社保基金投资中面临的非系统性风险 |
| 3.4.1 投资决策风险 |
| 3.4.2 委托代理风险 |
| 3.4.3 操作风险 |
| 3.4.4 道德风险 |
| 第4章 社保基金投资中的风险致因 |
| 4.1 宏观层面 |
| 4.1.1 社保基金投资的法律体系不健全且滞后性严重 |
| 4.1.2 社保基金投资风险管理水平有待提高 |
| 4.1.3 投资监管体制不科学 |
| 4.2 微观层面 |
| 4.2.1 社保基金投资结构有待优化 |
| 4.2.2 社保基金投资回报率偏低且波动性较大 |
| 4.2.3 股票投资领域未呈现分散化趋势 |
| 第5章 基于CAPM模型下社保基金投资风险的实证分析 |
| 5.1 基础理论分析——投资组合的风险与报酬 |
| 5.1.1 期望收益率和标准差的计算 |
| 5.1.2 投资组合的投资比例与有效边界 |
| 5.1.3 证券投资最优组合的确定 |
| 5.2 CAPM模型的建立 |
| 5.2.1 资本资产定价模型的数学表述 |
| 5.2.2 β的计算 |
| 5.2.3 投资组合理论分析 |
| 5.3 CAPM模型应用——社保基金实证模拟 |
| 5.4 实证研究结论 |
| 第6章 我国社保基金投资风险防范对策 |
| 6.1 宏观层面 |
| 6.1.1 加快立法进程、健全法律制度 |
| 6.1.2 完善风险管理体系、优化投资环境 |
| 6.1.3 建立健全风险控制体系及风险预警机制 |
| 6.1.4 创新监管模式、实现社会监督 |
| 6.2 微观层面 |
| 6.2.1 社保基金投资坚持分散化投资原则 |
| 6.2.2 优化投资结构,拓宽投资渠道 |
| 6.2.3 加快人才培养、提升基金管理人决策能力 |
| 6.2.4 加快金融工具创新 |
| 6.2.5 完善信息披露制度 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（8）基于确定性偏好的投资组合选择（论文提纲范文）
| 一、 引 言 |
| 二、 马氏证券投资组合模型及其评述 |
| 三、 基于投资者确定性偏好的价值函数 |
| 四、 基于权重函数的证券投资组合模型及其解 |
| 五、 赋权方式与金融“异象”解释 |
| 六、 经验证据 |
| (一) 样本数据 |
| (二) 实证分析 |
| (三) 统计检验 |
| 七、 结论与建议 |
（9）基于人工智能量化分析的我国资产证券化产品投资组合优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 资产证券化 |
| 1.1.2 资产证券化的国内外研究现状 |
| 1.1.3 人工智能的引入 |
| 1.1.4 理论意义与现实意义 |
| 1.2 研究对象及概念的界定与作用 |
| 1.2.1 资产证券化的内涵与作用 |
| 1.2.2 量化投资的内涵与作用 |
| 1.2.3 投资组合绩效及标准 |
| 1.2.4 人工智能的概念与作用 |
| 1.3 研究路径与研究方法 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要的研究方法 |
| 1.3.3 本文的主要创新点与文章结构 |
| 1.4 本章小结 |
| 第二章 投资组合理论机制与人工智能的应用前景 |
| 2.1 资产证券化整体与细分领域的研究情况 |
| 2.1.1 资产证券化的内容及定义 |
| 2.1.2 资产证券化与风险管理 |
| 2.2 人工智能背景下资产证券化的相关研究现状 |
| 2.2.1 人工智能在资产证券化中应用 |
| 2.2.2 人工智能的应用现状及在金融行业的应用发展 |
| 2.2.3 人工智能在资产证券化投资组合的应用 |
| 2.2.4 人工智能在资产组合中的优化研究现状 |
| 2.3 资产证券化的市场发展现状 |
| 2.3.1 美国资产证券化市场的发展 |
| 2.3.2 我国资产证券化市场发展 |
| 2.3.3 中美资产证券化的差异 |
| 2.4 本章小结 |
| 第三章 理想收益率下资产证券化投资组合研究 |
| 3.1 中国市场资产证券化交易规定 |
| 3.1.1 资产证券化交易机构 |
| 3.1.2 资产证券化交易费用研究 |
| 3.1.3 资产证券化投资税费研究 |
| 3.1.4 资产证券化产品投资约束 |
| 3.2 资产证券化理想收益率模型 |
| 3.2.1 场景假设与市场调研 |
| 3.2.2 测试数据的可视化分析 |
| 3.2.3 理想收益率下交易流程的构建 |
| 3.2.4 理想收益率下的计算逻辑设置 |
| 3.2.5 算法实现 |
| 3.3 实证分析与讨论 |
| 3.3.1 不同视角的量化分析 |
| 3.3.2 结果讨论与分析 |
| 3.4 本章小结 |
| 第四章 人工智能视域下的资产证券化投资组合预测 |
| 4.1 资产证券化研究中人工智能的模型选取 |
| 4.2 资产证券化实验中人工智能模型的数学基础及优点 |
| 4.2.1 Lasso回归数学基础 |
| 4.2.2 岭回归数学基础 |
| 4.2.3 XGBoost数学基础 |
| 4.2.4 LightGBM数学基础 |
| 4.2.5 神经网络数学基础 |
| 4.2.6 SVM数学基础 |
| 4.3 人工智能模型的实证分析 |
| 4.3.1 量化实验环境与数据 |
| 4.3.2 核心程序的构建与实现 |
| 4.3.3 人工智能模型的量化结果 |
| 4.3.4 不同投资视角下的模型表现 |
| 4.4 人工智能模型的Dis指标与分析 |
| 4.4.1 Dis测评指标的构建 |
| 4.4.2 不同视角下各人工智能模型的Dis值分析 |
| 4.5 本章小结 |
| 第五章 人工智能视域下资产证券化投资组合优化 |
| 5.1 传统优化方法 |
| 5.1.1 基于梯度下降法 |
| 5.1.2 复变量法 |
| 5.1.3 自动微分法 |
| 5.2 现代优化方法 |
| 5.2.1 粒子群算法 |
| 5.2.2 遗传算法 |
| 5.3 基于遗传算法的投资组合优化 |
| 5.3.1 投资组合评价模型的构建 |
| 5.3.2 投资组合优化 |
| 5.4 本章小结 |
| 总结和展望 |
| 参考文献 |
| 在读期间科研成果 |
| 致谢 |
（10）共同基金投资组合集中度对基金业绩的影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国外文献综述 |
| 1.2.2 国内文献综述 |
| 1.2.3 文献述评 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 本文研究的创新与不足 |
| 1.4.1 创新之处 |
| 1.4.2 不足之处 |
| 第二章 相关理论基础 |
| 2.1 投资组合理论 |
| 2.2 信息优势理论 |
| 2.3 其他相关理论 |
| 2.4 本章小结 |
| 第三章 共同基金投资组合集中度对基金业绩的影响:机理与假说 |
| 3.1 共同基金投资组合集中度对基金业绩的影响 |
| 3.2 基金经理个人能力对投资组合集中度的影响 |
| 3.3 国内市场不确定性对投资组合集中度的影响 |
| 第四章 研究设计 |
| 4.1 基金业绩评价指标 |
| 4.2 投资组合集中度评价指标 |
| 4.3 基金经理个人能力评价指标 |
| 4.4 国内市场不确定性指标 |
| 4.5 控制变量 |
| 4.6 模型构建 |
| 第五章 实证分析 |
| 5.1 当期行业集中度对当期基金业绩影响的实证分析 |
| 5.1.1 Hausman检验 |
| 5.1.2 描述性统计分析 |
| 5.1.3 相关性分析 |
| 5.1.4 回归结果分析 |
| 5.2 当期股票集中度对当期基金业绩影响的实证分析 |
| 5.2.1 Hausman检验 |
| 5.2.2 描述性统计分析 |
| 5.2.3 相关性分析 |
| 5.2.4 回归结果分析 |
| 5.3 当期行业集中度对下期基金业绩影响的实证分析 |
| 5.3.1 Hausman检验 |
| 5.3.2 描述性统计分析 |
| 5.3.3 相关性分析 |
| 5.3.4 回归结果分析 |
| 5.4 当期股票集中度对下期基金业绩影响的实证分析 |
| 5.4.1 Hausman检验 |
| 5.4.2 描述性统计分析 |
| 5.4.3 相关性分析 |
| 5.4.4 回归结果分析 |
| 5.5 基金经理个人能力对共同基金投资组合集中度影响的实证分析 |
| 5.5.1 描述性统计分析 |
| 5.5.2 相关性分析 |
| 5.5.3 回归结果分析 |
| 5.6 国内市场不确定性共同基金投资组合集中度影响的实证分析 |
| 5.6.1 描述性统计分析 |
| 5.6.2 相关性分析 |
| 5.6.3 回归结果分析 |
| 5.7 稳健性检验 |
| 第六章 研究结论与建议 |
| 6.1 完善共同基金监管体系,提高基金管理效率 |
| 6.2 重视提升基金管理者投研岗位的工作经验 |
| 6.3 投资者应加强对共同基金投资业绩及经济政策不确定性的重视 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
四、证券投资中投资组合的应用研究（论文参考文献）
- [1]中国股票市场的ESG责任投资研究[D]. 赵斯彤. 中国社会科学院研究生院, 2021(12)
- [2]国家文化差异与国际资本流动 ——基于国际投资的视角[D]. 逄嘉宁. 吉林大学, 2020(03)
- [3]基于VaR的ZY公司私募证券投资基金市场风险控制优化[D]. 张帅. 云南财经大学, 2020(03)
- [4]智能投顾服务的资产选择及价格竞争机制研究[D]. 王雨. 中国科学技术大学, 2020(01)
- [5]多元时间序列聚类算法及其选股策略应用研究[D]. 魏苗. 华侨大学, 2020(01)
- [6]考虑期权、远期合约的不确定投资组合模型及决策研究[D]. 王旭婷. 北京科技大学, 2020(12)
- [7]全国社保基金投资风险及对策研究[D]. 张珊. 山东大学, 2020(02)
- [8]基于确定性偏好的投资组合选择[J]. 李腊生,张冕,黄孝祥. 商业经济与管理, 2019(07)
- [9]基于人工智能量化分析的我国资产证券化产品投资组合优化研究[D]. 卞进. 中央财经大学, 2019(01)
- [10]共同基金投资组合集中度对基金业绩的影响研究[D]. 罗能. 广西大学, 2019(01)