序列相關性在資產組合績效改善中的作用

作者：李斌,張迪,馮佳捷

摘要：均值一方差理論是資產組合領域的經典理論之一，由于參數估計的不確定性，均值一方差最優風險組合在樣本外檢驗中績效較差。因此，構建估計誤差更小的估計值成為資產組合領域的重點問題，現有方法主要從改善期望收益、協方差和利用邊際信息來減少估計誤差。研究證券收益間的序列相關性在改善投資組合樣本外績效的作用。首先，將序列相關性引入資產組合構建過程中，以改進均值一方差最優風險組合，利用向量自回歸模型挖掘序列相關性，并對證券收益的期望收益估計進行改進，實證檢驗向量自回歸模型是否能夠提高資產組合的樣本外績效。其次，針對改進后的均值一方差組合績效不穩定和換手率較高的缺點，利用收縮估計的思想聯合均值改善組合和簡單分散化組合，給出最優收縮強度的估計值，從理論和實證兩個方面說明新提出的資產組合對資產組合績效的改進效果。最后，在1997年至2015年中國A股市場的4組數據集上進行實證檢驗，比較14種投資組合的樣本外績效。研究結果表明，序列相關性有助于改善股票組合的樣本外績效。①向量自回歸模型預測值的均值一方差組合取得了比樣本均值的均值一方差組合更好的樣本外績效，向量自回歸模型預測值比歷史樣本均值更適合作為資產期望收益的估計值。②收縮估計組合在樣本外框架中取得了更加穩健的結果，在所有的數據集上都取得了高于簡單分散化組合的確定性等價收益，最優收縮強度估計值的分布情況也肯定了收縮估計方法在減少資產組合估計誤差中的有效性。向量自回歸模型和收縮估計方法有助于市場參與主體更好地認識和分析參數不確定性的影響，對于緩解參數不確定性的影響、減少估計誤差、提高投資者的效用具有一定的參考意義，更好地利用序列相關?

發文機構：武漢大學經濟與管理學院

關鍵詞：序列相關收縮估計資產組合選擇向量自回歸模型樣本外績效serial dependenceshrinkage estimationportfolio selectionvector auto-regression （VAR） modelout-of-sample perfoYlnanee

分類號： F830.9[經濟管理—金融學]