基于非对称主动风险测度的增强型指数追踪模型及应用

摘要：

本文以下方追踪误差测度非对称主动风险,构建了可以折衷超额收益和下方追踪误差的增强型指数追踪模型,给出了求解模型的广义最小角度回归(generalized least angle regression,简称GLARS)算法,并基于上证50进行了实证.GLARS算法可以给出超额收益在合理区间变化时,使得下方追踪误差最小的组合系数解路径,刻画投资组合的“超额收益—下方追踪误差”有效前沿.将模型应用于中国证券市场上证50指数,与基于“超额收益—追踪误差”的增强型指数追踪模型相比,得到如下实证结论:控制组合股票支数,本文组合的超额收益、单位风险收益更高,在承担相同风险的情况下,得到了更高的平均收益补偿;正下方离差中位数、最大回撤更小,右偏程度更高,表现出“守住下限,放开上限”的特质.本文组合在稀疏性要求下,样本外可以获得高于基准指数的累积收益,对机构和个人投资者具有参考价值,丰富了现有指数追踪研究.

关键词：增强型指数追踪、下方追踪误差、有效前沿

所属期刊栏目：28

分类号：F224.0(经济计算、经济数学方法)

资助基金：北京市社会科学基金资助项目;国家自然科学基金资助项目;北京市教育委员会科技计划项目;中央财经大学青年科研创新团队支持计划;中央高校基本科研业务经费

在线出版日期：2020-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：42-51