风险资产的最优组合公式证明 股票债券基金的配置比例怎么算
如果在下面的各种理论中有任何不懂的地方,欢迎移步百度 或者谷歌
目录 风险资产的最优组合公式及说明风险资产的最优组合公式证明 风险资产的最优组合公式及说明 不管三七二十几 ,先给出公式: ω = [ E ( r 1 ) − r f ] σ 2 2 − [ E ( r 2 ) − r f ] ρ σ 1 σ 2 [ E ( r 1 ) − r f ] σ 2 2 + [ E ( r 2 ) − r f ] σ 1 2 − [ E ( r 1 ) − r f + E ( r 2 ) − r f ] ρ σ 1 σ 2 omega=dfrac{[E(r_1)-r_f]sigma_2^2-[E(r_2)-r_f] hosigma_1sigma_2}{[E(r_1)-r_f]sigma_2^2+[E(r_2)-r_f]sigma_1^2-[E(r_1)-r_f+E(r_2)-r_f] hosigma_1sigma_2} ω=[E(r1)−rf]σ22+[E(r2)−rf]σ12−[E(r1)−rf+E(r2)−rf]ρσ1σ2[E(r1)−rf]σ22−[E(r2)−rf]ρσ1σ2公式应用场景: 首先,你要对Harry M. Markowitz(马科维兹)的均值——方差模型表示肯定。 其次,你的资产组合仅仅包括两种风险资产和一种无风险资产,而且你要知道两种风险资产的期望收益率、风险和相关系数,还要知道无风险资产的预期收益率。 那么,根据Harry M. Markowitz的资产组合理论,我们可以得到类似于下面的这幅图,图中曲线为两种风险资产的组合情况,曲线上不同的点代表了投资两种资产的不同比重;图中直线为无风险资产和风险资产相组合情况,其与纵坐标相交的点所代表的预期收益率为无风险利率(这里为6%)。 如果经过点T的直线与曲线只交于一点T,则说明我们找到了最有效资产组合的风险资产组合,而T点对应的特定风险资产的组合称为风险资产的最优组合。 我们要做的就是找到这个T点,从而得到最有效资产组合,而找到T点也就意味着要知道两种资产组合在投资中分别所占的比重,即求 ω omega ω。 原因我就不解释了,能点进来的应该都懂,绝不是因为我懒得写图片来源:《金融学(第二版)》(博迪著)
公式参数说明: 参数说明 ω omega ω风险资产1在风险资产组合中的权重(投资比例) E ( r 1 ) E(r_1) E(r1)风险资产1的预期收益率 E ( r 2 ) E(r_2) E(r2)风险资产2的预期收益率 r f r_f rf无风险资产的预期收益率 σ 1 sigma_1 σ1风险资产1的风险(标准差) σ 2 sigma_2 σ2风险资产2的风险(标准差) ρ ho ρ风险资产1和风险资产2的相关系数 风险资产的最优组合公式证明重中之重来了,大部分的书上和网络上都只有这个公式本身,却没有证明过程,主要因为证明过程非常恶心和繁琐 ,那我就在这里证明一下,不想自己动手又想知道证明过程的人千万不要错过。 首先,让我们思考一个问题,当一条固定截距的直线与一个如图所示曲线相交时,切点处必然斜率最大,而斜率越大意味资产组合的风险每上升固定数值,可以得到的预期收益率的上升越大,那么在切点处我们可以获得最有效资产组合,即T点。 在公式证明之前先引入三个没出现过的参数, E ( r N ) E(r_N) E(rN)为N点(任意一点)代表的风险投资组合的预期收益率, σ N sigma_N σN为N点代表的风险投资组合的风险(标准差), k k k为该直线的斜率。我们可以根据之前所学的知识得出: E ( r N ) = ω E ( r 1 ) + ( 1 − ω ) E ( r 2 ) E(r_N)=omega E(r_1)+(1-omega)E(r_2) E(rN)=ωE(r1)+(1−ω)E(r2) σ N = ω 2 σ 1 2 + ( 1 − ω ) 2 σ 2 2 + 2 ρ σ 1 σ 2 ω ( 1 − ω ) sigma_N=sqrt{omega^2sigma_1^2+(1-omega)^2sigma_2^2+2 hosigma_1sigma_2omega(1-omega)} σN=ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω) 假设直线与曲线交于N点,则 k = E ( r N ) − r f σ N = ω E ( r 1 ) + ( 1 − ω ) E ( r 2 ) − r f ω 2 σ 1 2 + ( 1 − ω ) 2 σ 2 2 + 2 ρ σ 1 σ 2 ω ( 1 − ω ) k=dfrac{E(r_N)-r_f}{sigma_N}=dfrac{omega E(r_1)+(1-omega)E(r_2)-r_f}{sqrt{omega^2sigma_1^2+(1-omega)^2sigma_2^2+2 hosigma_1sigma_2omega(1-omega)}} k=σNE(rN)−rf=ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω) ωE(r1)+(1−ω)E(r2)−rf 我们的目的是要使得 k k k的值最大,即 k = k m a x = E ( r T ) − r f σ T k=k_{max}=dfrac{E(r_T)-r_f}{sigma_T} k=kmax=σTE(rT)−rf 也就是说在 k k k对 ω omega ω求导后使得导函数结果为0的 ω omega ω就是T点的 ω omega ω( k k k为 ω omega ω的函数): d k d ω = [ E ( r 1 ) − E ( r 2 ) ] ω 2 σ 1 2 + ( 1 − ω ) 2 σ 2 2 + 2 ρ σ 1 σ 2 ω ( 1 − ω ) − [ ω E ( r 1 ) + ( 1 − ω ) E ( r 2 ) − r f ] [ ( σ 1 2 + σ 2 2 − 2 ρ σ 1 σ 2 ) ω + ρ σ 1 σ 2 − σ 2 2 ] ω 2 σ 1 2 + ( 1 − ω ) 2 σ 2 2 + 2 ρ σ 1 σ 2 ω ( 1 − ω ) ω 2 σ 1 2 + ( 1 − ω ) 2 σ 2 2 + 2 ρ σ 1 σ 2 ω ( 1 − ω ) = 0 scriptsize dfrac{dk}{domega}=dfrac{[E(r_1)-E(r_2)]sqrt{omega^2sigma_1^2+(1-omega)^2sigma_2^2+2 hosigma_1sigma_2omega(1-omega)}-dfrac{[omega E(r_1)+(1-omega)E(r_2)-r_f][(sigma_1^2+sigma_2^2-2 hosigma_1sigma_2)omega+ hosigma_1sigma_2-sigma_2^2]}{sqrt{omega^2sigma_1^2+(1-omega)^2sigma_2^2+2 hosigma_1sigma_2omega(1-omega)}}}{omega^2sigma_1^2+(1-omega)^2sigma_2^2+2 hosigma_1sigma_2omega(1-omega)}=0 dωdk=ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω)[E(r1)−E(r2)]ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω) −ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω) [ωE(r1)+(1−ω)E(r2)−rf][(σ12+σ22−2ρσ1σ2)ω+ρσ1σ2−σ22]=0 ⇓ LARGE Downarrow ⇓ [ E ( r 1 ) − E ( r 2 ) ] ω 2 σ 1 2 + ( 1 − ω ) 2 σ 2 2 + 2 ρ σ 1 σ 2 ω ( 1 − ω ) − [ ω E ( r 1 ) + ( 1 − ω ) E ( r 2 ) − r f ] [ ( σ 1 2 + σ 2 2 − 2 ρ σ 1 σ 2 ) ω + ρ σ 1 σ 2 − σ 2 2 ] ω 2 σ 1 2 + ( 1 − ω ) 2 σ 2 2 + 2 ρ σ 1 σ 2 ω ( 1 − ω ) = 0 footnotesize [E(r_1)-E(r_2)]sqrt{omega^2sigma_1^2+(1-omega)^2sigma_2^2+2 hosigma_1sigma_2omega(1-omega)}-dfrac{[omega E(r_1)+(1-omega)E(r_2)-r_f][(sigma_1^2+sigma_2^2-2 hosigma_1sigma_2)omega+ hosigma_1sigma_2-sigma_2^2]}{sqrt{omega^2sigma_1^2+(1-omega)^2sigma_2^2+2 hosigma_1sigma_2omega(1-omega)}}=0 [E(r1)−E(r2)]ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω) −ω2σ12+(1−ω)2σ22+2ρσ1σ2ω(1−ω) [ωE(r1)+(1−ω)E(r2)−rf][(σ12+σ22−2ρσ1σ2)ω+ρσ1σ2−σ22]=0 ⇓ LARGE Downarrow ⇓ [ E ( r 1 ) − E ( r 2 ) ] [ ( σ 1 2 + σ 2 2 − 2 ρ σ 1 σ 2 ) ω 2 + ( 2 ρ σ 1 σ 2 − 2 σ 2 2 ) ω + σ 2 2 ] − [ ( E ( r 1 ) − E ( r 2 ) ) ω + E ( r 2 ) − r f ] [ ( σ 1 2 + σ 2 2 − 2 ρ σ 1 σ 2 ) ω + ρ σ 1 σ 2 − σ 2 2 ] = 0 scriptsize [E(r_1)-E(r_2)][(sigma_1^2+sigma_2^2-2 hosigma_1sigma_2)omega^2+(2 hosigma_1sigma_2-2sigma_2^2)omega+sigma_2^2]-[(E(r_1)-E(r_2))omega+E(r_2)-r_f][(sigma_1^2+sigma_2^2-2 hosigma_1sigma_2)omega+ hosigma_1sigma_2-sigma_2^2]=0 [E(r1)−E(r2)][(σ12+σ22−2ρσ1σ2)ω2+(2ρσ1σ2−2σ22)ω+σ22]−[(E(r1)−E(r2))ω+E(r2)−rf][(σ12+σ22−2ρσ1σ2)ω+ρσ1σ2−σ22]=0 ⇓ LARGE Downarrow ⇓ [ E ( r 1 ) − E ( r 2 ) ] ( ρ σ 1 σ 2 − σ 2 2 ) ω − [ E ( r 2 ) − r f ] ( σ 1 2 + σ 2 2 − 2 ρ σ 1 σ 2 ) ω + [ E ( r 1 ) − E ( r 2 ) ] σ 2 2 − [ E ( r 2 ) − r f ] ( ρ σ 1 σ 2 − σ 2 2 ) = 0 footnotesize [E(r_1)-E(r_2)]( hosigma_1sigma_2-sigma_2^2)omega-[E(r_2)-r_f](sigma_1^2+sigma_2^2-2 hosigma_1sigma_2)omega+[E(r_1)-E(r_2)]sigma_2^2-[E(r_2)-r_f]( hosigma_1sigma_2-sigma_2^2)=0 [E(r1)−E(r2)](ρσ1σ2−σ22)ω−[E(r2)−rf](σ12+σ22−2ρσ1σ2)ω+[E(r1)−E(r2)]σ22−[E(r2)−rf](ρσ1σ2−σ22)=0 ⇓ LARGE Downarrow ⇓ [ ( E ( r 1 ) + E ( r 2 ) − 2 r f ) ρ σ 1 σ 2 − ( E ( r 1 ) − r f ) σ 2 2 − ( E ( r 2 ) − r f ) σ 1 2 ] ω + [ E ( r 1 ) − r f ] σ 2 2 − [ E ( r 2 ) − r f ] ρ σ 1 σ 2 = 0 [(E(r_1)+E(r_2)-2r_f) hosigma_1sigma_2-(E(r_1)-r_f)sigma_2^2-(E(r_2)-r_f)sigma_1^2]omega+[E(r_1)-r_f]sigma_2^2-[E(r_2)-r_f] hosigma_1sigma_2=0 [(E(r1)+E(r2)−2rf)ρσ1σ2−(E(r1)−rf)σ22−(E(r2)−rf)σ12]ω+[E(r1)−rf]σ22−[E(r2)−rf]ρσ1σ2=0 ⇓ LARGE Downarrow ⇓ ω = [ E ( r 1 ) − r f ] σ 2 2 − [ E ( r 2 ) − r f ] ρ σ 1 σ 2 [ E ( r 1 ) − r f ] σ 2 2 + [ E ( r 2 ) − r f ] σ 1 2 − [ E ( r 1 ) − r f + E ( r 2 ) − r f ] ρ σ 1 σ 2 omega=dfrac{[E(r_1)-r_f]sigma_2^2-[E(r_2)-r_f] hosigma_1sigma_2}{[E(r_1)-r_f]sigma_2^2+[E(r_2)-r_f]sigma_1^2-[E(r_1)-r_f+E(r_2)-r_f] hosigma_1sigma_2} ω=[E(r1)−rf]σ22+[E(r2)−rf]σ12−[E(r1)−rf+E(r2)−rf]ρσ1σ2[E(r1)−rf]σ22−[E(r2)−rf]ρσ1σ2
版权声明: 本站仅提供信息存储空间服务,旨在传递更多信息,不拥有所有权,不承担相关法律责任,不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请发送邮件至 举报,一经查实,本站将立刻删除。