金融建模与分析

25705 金融建模与分析

小组作业要求

I. 综述

小组报告有两个目标,培养运用统计模型的能力,增加对中国股市的实证认识。学

生组成 3-5 人的小组,选择一个股市指数,用样本数据估算风险模型参数,实行滚动

风险预测,根据风险预测调整投资比例。小组作业评分100,占课程总分的25%。

II. 数据样本

每个小组从以下指数中选取一个:沪深300, 沪深1000, 上证指数, 深证指数, 恒

生HSI, 台湾TWI, DJ上海, DJ 深圳。数据频率为周数据。 每周从周日开始。数据包括

周日日期,每周五收盘指数C (=Price), 周一开盘指数O(=Open), 高位H (=High)和

t t t

低位 L (=Low)指数,收益率 r(=Ret),和波动率 (=Var)。数据从 CANVAS 课程网

t t

2

σt

页“模块”Modules 里的“小组作业”下载。波动率是本周收益率的方差,衡量投资

风险。波动率的计算是 Var 。

Ht

2

Ct

2

= 0.5[ln�Lt�] −(2ln2−1)[ln�Ot�]

每个指数分为两组,第一组的样本是 2014-2019,第二组的样本是 2019-

202403。使用同一指数的小组协调选择样本。指数样本分为调试期和预留期。调试期

用来调试和选择预测模型,预留期用来模拟预测和投资结果。第一组的调试期为

201401-201906,预留期为 201907-201912。第二组的调试期为 201907-202309,

预留期为202310 – 202403。

III. 投资策略分析https://weibo.com/u/7915668133

1. 调试期的样本分析

绘制调试期收盘指数和波动率的时间序列图:横轴为时间,左竖轴为收盘指数,

右竖轴为波动率。讨论指数和波动率变化的主要特征。

1

计算调试期的收益率和波动率参数,包括均值,方差,偏态,一阶自相关系数、

和两个变量的相关系数。填入下表。S&P500 参数基于 2014-22 年样本。讨论样本股

指和S&P500参数的差别和潜在原因。

表1:调试期收益率和波动率参数

均值 方差 最小值 最大值 偏态 一阶自相关 相关系数

(样本股指)收益率

(样本股指)波动率 -

S&P500收益率 0.19% 5.6*10-4 -15.0% 12.1% -0.63 -0.093 -0.13

S&P500波动率 4.25*10-4 8.3*10-7 1*10-4 0.0129 8.88 0.49 -

2. 波动率动态模型和预测

(1) 基本模型

波动率的基本模型: = β + β + β + β + e .

0 1 2 3 t

2 2 2

σt σt−1 σt−2 rt−1

在下表中报告调试期的模型表现。讨论模型系数是否符合相应经济关系。假设

|Cor(e ,e )| < 0.05 表示自相关不显著,讨论基本模型是否有遗漏变量偏差。有没有

t t-1

其他变量可以改进模型?

表2:基本模型回归参数

β 0 β 1 β 2 β 3 Adj R2 Cor(e t,e t-1)

回归系数

t 值 — —

(2) 自选模型

波动率的自选模型为: = β + β X +…+ β X + e , s(k) < t, k=1,…,K.

0 1 1,s(1) K K,s(K) t

2

σt

模型最多可以有K 10个自变量,时间下标s(k) 都小于t:所有自变量值都发生在第 t

周之前。选择自变量是基于课堂讨论的波动率模型和特性,以及对样本股指的理解。

报告需要解释选择 的原因。在下表中报告调试期的模型表现。讨论模型系数是

K

{Xk}k=1

2

否符合相应经济关系。假设|Cor(e,e )| < 0.05 表示自相关不显著,讨论基本模型是

t t-1

否有遗漏变量偏差。

表3:自选模型回归参数

β β … β Adj R2 Cor(e ,e )

0 1 K t t-1

回归系数

t 值 — —

(3) 基本模型和自选模型的预测比较

使用EXCEL 的 LINEST 函数对预留期的波动率用基本模型和自选模型进行滚动预

测。即使是一个好的模型,其中的某个预测也可能很离谱,例如 < 0,这种荒谬的

2

σ�t

预测不应被使用,可以用从样本开始到第 t-1 周的最低波动率 来代替。同

t−1

min{σk}k=1

理如果 ,可以用 来代替。

2 t−1 t−1

σ�t > max{σk}k=1 max{σk}k=1

在下表中报告并比较预测的MSE 参数。自选模型是不是明显优于基本模型?

表4:模型预测的均方差参数

均值 中位数 标准差 斜态 最大值

基本模型

自选模型

3. 基于风险预测的投资组合

(1) 投资策略

投资组合由股指 ETF 和现金组成。假设现金的周利率为 0,投资人可以以 0 利率

贷款,交易成本为 0。假设投资目标是将年度投资风险(标准差)控制在 20%以内。

因为一年有 52 周,每周目标方差为 [20%/ ]2 = 0.000767。

√52

如果预测下周的波动率为 ,就将w = 投入股指,现金权重为 1-w 权

t t。

2 0.000767

σ�t σ�t2

重w 和预测风险成反比,减少高风险期的投资。如果 < 0.000767,w > 1,融资

t t

2

σ�t

3

买入股指。假设融资限制为 w 2:如果某一周的w > 2, 用w = 2 代替。如果预测

t t t

期股指的收益率为r, 波动率为 ,计算投资策略的周收益率 r = wr 和周波动率

t p,t t t

2

σt

2 2 2

σ(2t,)P =投w资tσ策t 略和收益率分析

绘制每周股指波动率 (X轴),预测波动率 (左Y轴),和股指权重 w(右Y轴)

t

2 2

σt σ�t

的散点图。讨论 和 , 和w 是否正相关以及原因。

t

2 2 2

σt σ�t σt

计算预留期r 和 均值和方差,和表1中调试期的r 和 参数比较,解释变化。

t t

2 2

σt σt

在下表中报告预留期投资策略的参数。比较预测期 和 的参数差别,r 和 r

t P,t

2 2

σt σP,t

的参数差别,以及相关系数差别。解释为什么。

表5:投资策略参数

r w r

t t p,t

2 2

均值 σ t σt ,P

标准差

最小值

最大值

相关系数

?

2

w ? ?

σtt

r ? ? ?

p,t

? ? ? ?

2

定义

为变σt 量,P

X 的平均值。计算投资组合的夏普比率 以及被动持有股指的

X� r̅P⁄σ�P

普比率 。如果 ,夏普比率为 。波动率目标策略的夏普比率是否高于

r̅⁄σ� r̅P < 0 r̅P ×σ�P

被动持有策略?解释原因。

IV. 报告要求

(1) 报告包括封面,正文,和参考文献。正文包括图表不超过 8 页,行距 1.5。字体

大小12。报告为pdf文件。

4

(2) 封面包括报告题目和摘要(< 150 字),小组成员的姓名,邮箱,和学生证号。

(3) 报告第一节是综述,包括议题,重要性,和主要结论。然后按“投资策略分析”,

分3节讨论。

(4) 其它信息来源要在文中注明,列入参考文献。所有参考文献一定要在正文中标明。

(5) 报告评定

• 摘要 5分

• 综述 10分

• 调试期的样本分析 20 分

• 波动率动态模型和预测 25分

• 基于风险预测的投资组合 30分

• 其他:文字表达,信息来源,参考文献等 10 分

V. 小组作业规则

(1) 5 月 12 日晚 11 点前把小组报告和分析使用的 Excel 文件上传到 CANVAS。Excel

文件的每页对应“投资策略分析”中的小节。上传链接在当晚 11 点准时关闭。如

果过期未交,或提交文件不全,每过期一天,扣除作业成绩的 10%。如有困难按

时提交报告,提前和老师联系。

(2) 数据分析和报告写作必须由小组成员独立思考和完成。如有疑问和老师及时交流。

(3) 报告必须严格遵守以上要求。任何违反要求会造成减分。

5

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/609869.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

图神经网络(GNNs)在时间序列分析中的应用

时间序列数据是记录动态系统测量的主要数据类型&#xff0c;由物理传感器和在线过程&#xff08;虚拟传感器&#xff09;大量生成。时间序列分析对于解锁可用数据中隐含的丰富信息至关重要。随着图神经网络&#xff08;GNNs&#xff09;的最近进展&#xff0c;基于GNN的方法在时…

5月10日学习记录

[NCTF2019]True XML cookbook(xxe漏洞利用) 这题是关于xxe漏洞的实际应用&#xff0c;利用xxe漏洞的外部实体来进行ssrf探针内网的主机 和[NCTF2019]Fake XML cookbook的区别就在于xxe漏洞的利用方向&#xff0c;一个是命令执行&#xff0c;一个是SSRF 看题&#xff0c;打开…

JavaScript原理篇——Promise原理及笔试题实战演练

Promise 是 JavaScript 中用于处理异步操作的对象&#xff0c;它代表了一个可能还没有完成的操作的最终完成或失败&#xff0c;以及其结果值。Promise 对象有三种状态&#xff1a; Pending&#xff08;进行中&#xff09;&#xff1a;初始状态&#xff0c;既不是成功&#xff0…

语言基础 /CC++ 可变参函数设计与实践,va_ 系列实战详解(强制参数和变参数的参数类型陷阱)

文章目录 概述va_ 系列定义va_list 类型va_start 宏从变参函数的强制参数谈起宏 va_start 对 char 和 short 类型编译告警宏 va_start 源码分析猜测 __va_start 函数实现 va_arg 宏宏 va_arg 无法接受 char 和 short为啥va_arg可解析int却不能解析float类型&#xff1f;宏 va_a…

Mybatis之ResultMap

前言 select语句查询得到的结果集是一张二维表&#xff0c;水平方向上看是一个个字段&#xff0c;垂直方向上看是一条条记录。而Java是面向对象的程序设计语言&#xff0c;对象是根据类定义创建的&#xff0c;类之间的引用关 系可以认为是嵌套的结构。在JDBC编程中&#xff0c…

PyTorch中定义自己的数据集

文章目录 1. 简介2. 查看PyTorch自带的数据集(可视化)3. 准备材料3.1 图片数据3.2 标签数据 4. 方法 1. 简介 尽管PyTorch提供了许多自带的数据集&#xff0c;如MNIST、CIFAR-10、ImageNet等&#xff0c;但它们对于没有经验的用户来说&#xff0c;理解数据加载器的工作原理以及…

【数据结构】栈的实现以及数组和链表的优缺点

个人主页&#xff1a;一代… 个人专栏&#xff1a;数据结构 1.栈 1.1栈的概念及结构 栈&#xff1a;一种特殊的线性表&#xff0c;其只允许在固定的一端进行插入和删除元素操作。进行数据插入和删除操作的一端 称为栈顶&#xff0c;另一端称为栈底。栈中的数据元素遵守后进…

批量自定义重命名,一键添加顺序编号,文件夹管理更高效!

我们经常需要对文件夹进行管理和整理。然而&#xff0c;当面对大量需要改名的文件夹时&#xff0c;手动逐个修改不仅效率低下&#xff0c;还容易出错。那么&#xff0c;有没有一种方法能够批量自定义重命名文件夹&#xff0c;并在名称后自动添加顺序编号呢&#xff1f;答案是肯…

C++反汇编——多态,面试题01

文章目录 1.C的三大特性1.1封装1.2继承1.3多态1.3.1 虚函数1.3.2 多态代码反汇编分析。反汇编分析1——基类指针指向子类对象&#xff0c;构造过程。反汇编分析2——基类指针指向子类对象&#xff0c;调用虚函数getPrice()过程。反汇编分析3——基类对象&#xff0c;调用虚函数…

版本控制工具之Git的基础使用教程

Git Git是一个分布式版本控制系统&#xff0c;由Linux之父Linus Torvalds 开发。它既可以用来管理和追踪计算机文件的变化&#xff0c;也是开发者协作编写代码的工具。 本文将介绍 Git 的基础原理、用法、操作等内容。 一、基础概念 1.1 版本控制系统 版本控制系统&#x…

PSoc™62开发板之IoT应用

实验目的 使用PSoc62™开发板驱动OLED模块&#xff0c;实时监控室内的光照强度、温度信息 实验准备 PSoc62™开发板SSD1309 OLED模块DS18B20温度传感器BH1750光照传感器 模块电路 SSD1309 OLED模块的电路连接和模块配置教程请参考之前的文章&#xff0c;这里不详细展开描…

汽车EDI:IAC Elmdon EDI 对接指南

近期收到客户C公司的需求&#xff0c;需要与其合作伙伴IAC Elmdon建立EDI连接&#xff0c;本文将主要为大家介绍IAC Elmdon EDI 对接指南&#xff0c;了解EDI项目的对接流程。 项目需求 传输协议&#xff1a;OFTP2 IAC Elmdon 与其供应商之间使用的传输协议为OFTP2。OFTP2是…

云南区块链商户平台优化开发

背景 云南区块链商户平台是全省统一区块链服务平台。依托于云南省发改委、阿里云及蚂蚁区块链的国内首个省级区块链平台——云南省区块链平台同步上线&#xff0c;助力数字云南整体升级。 网页版并不适合妈妈那辈人使用&#xff0c;没有记忆功能&#xff0c;于是打算自己开发…

科技查新中医学科研项目查新点如何确立与提炼?案例讲解

一、前言 医学科技查新包括立项查新和成果查新两个部分&#xff0c;其中医学立项查新&#xff0c;它是指在医学科研项目申报开题之前&#xff0c;通过在一定范围内进行该课题的相关文献检索 ( 可以根据项目委托人的具体要求&#xff0c;进行国内检索或者进行国外检索 ) &#x…

媲美Suno、Udio!AI铁了心,要砸音乐人的饭碗

5月10日凌晨&#xff0c;著名语音生成式AI平台ElevenLabs在社交平台宣布&#xff0c;推出文本生成歌曲产品ElevenLabs Music。 从其展示的效果来看&#xff0c;音乐的节奏感、和声、乐器的搭配、情感表达、创意性、风格的多样性、高/低音&#xff0c;可媲美该领域的两款头部产…

k8s StatefulSet

Statefulset 一个 Statefulset 创建的每个pod都有一个从零开始的顺序索引&#xff0c;这个会体现在 pod 的名称和主机名上&#xff0c;同样还会体现在 pod 对应的固定存储上。这些 pod 的名称是可预知的&#xff0c;它是由 Statefulset 的名称加该实例的顺序索引值组成的。不同…

【元对象系统概述】

元对象系统概述 &#x1f31f; 元对象&#x1f31f; 元对象系统&#x1f31f; QT官方文档中给出的定义&#x1f31f;《Qt5.9 C开发指南》中给出的定义 &#x1f31f; 元对象 元对象是一个描述类的信息的数据结构&#xff0c;在qt中常常与QObject的类相关联。 可以通过QObject::…

这些企业注意!推荐使用OVSSL证书

JoySSL官网 注册码230918 SSL证书作为一种重要的安全措施&#xff0c;对于确保网站数据传输的安全性至关重要。而在众多SSL证书类型中&#xff0c;OV&#xff08;Organization Validation&#xff0c;组织验证&#xff09;SSL证书以其独特的功能和适用范围&#xff0c;成为众多…

夸克网盘免费扩容N次20T的方法

上文我们用&#xff1a;夸克网盘免费领取1TB空间的方法使自己的网盘扩容到1TB&#xff0c;但只有三个月还不够大。 所以用下面的方法那个免费的把自己的网盘扩容到20TB。 一、 登录任推邦 APP 需要借助这个平台&#xff0c;这是夸克网盘的第三方服务商&#xff0c;完善注册信…

2024年自动驾驶、车辆工程与智能交通国际会议(ICADVEIT2024)

2024年自动驾驶、车辆工程与智能交通国际会议&#xff08;ICADVEIT2024&#xff09; 会议简介 2024年自动驾驶、车辆工程和智能交通国际会议&#xff08;ICADVEIT 2024&#xff09;将在中国深圳举行。会议主要聚焦自动驾驶、车辆工程和智能交通等研究领域&#xff0c;旨在为从…
最新文章