久久综合丝袜日本网手机版,日韩欧美中文字幕在线三区,亚洲精品国产品国语在线,极品在线观看视频婷婷

      <small id="aebxz"><menu id="aebxz"></menu></small>
    1. 證券投資風(fēng)險(xiǎn)評(píng)估的研究論文

      時(shí)間:2022-06-23 17:18:59 證券 我要投稿
      • 相關(guān)推薦

      證券投資風(fēng)險(xiǎn)評(píng)估的研究論文

        對(duì)證券投資的事前風(fēng)險(xiǎn)評(píng)估是保證投資決策最優(yōu)化,實(shí)現(xiàn)投資收益最大化的有效路徑。在此過(guò)程中,先決經(jīng)驗(yàn)和市場(chǎng)信息是進(jìn)行決策的主要參考源。因而根據(jù)先決經(jīng)驗(yàn)進(jìn)行定性分析和根據(jù)市場(chǎng)信息作出定量判斷是決定證券投資收益的關(guān)鍵。郭存芝等建立了基于主觀賦權(quán)方法的AHP模型[1]和基于客觀賦權(quán)方法的熵權(quán)模型[2],對(duì)證券投資組合分別作了定性和定量風(fēng)險(xiǎn)估值,其方法為證券投資風(fēng)險(xiǎn)評(píng)估的量化帶來(lái)重要參考。在文獻(xiàn)[1]評(píng)估指標(biāo)體系和數(shù)據(jù)基礎(chǔ)上,提出一種集成定性和定量分析過(guò)程,耦合主觀賦權(quán)權(quán)重價(jià)值和客觀賦權(quán)權(quán)重信息的評(píng)價(jià)方法———集成熵權(quán)—AHP法對(duì)證券投資風(fēng)險(xiǎn)進(jìn)行評(píng)估,結(jié)果顯示,集成方法耦合發(fā)揮了證券投資風(fēng)險(xiǎn)評(píng)估指標(biāo)的價(jià)值和信息功能。

      證券投資風(fēng)險(xiǎn)評(píng)估的研究論文

        一、集成熵權(quán)—AHP法的基本步驟

        (一)定量權(quán)重的計(jì)算證券投資風(fēng)險(xiǎn)根據(jù)其成因可以歸納為靜態(tài)風(fēng)險(xiǎn)和動(dòng)態(tài)風(fēng)險(xiǎn),這兩類(lèi)風(fēng)險(xiǎn)是證券投資過(guò)程中內(nèi)外生變量的共同作用。一般認(rèn)為,證券投資風(fēng)險(xiǎn)具有一定的模糊性[3],因而證券投資組合定量分析結(jié)果的穩(wěn)定性將受到顯著影響。熵是數(shù)據(jù)無(wú)序程度的一種度量方式,熵越大則相應(yīng)數(shù)據(jù)的無(wú)序程度越高。證券投資風(fēng)險(xiǎn)的評(píng)估數(shù)據(jù)本身由于其量綱等影響,可以看作一系列無(wú)序數(shù)據(jù)。熵權(quán)法在證券投資風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用將有助于消除無(wú)序數(shù)據(jù)帶來(lái)的噪聲影響,得到一組基于定量方法的證券投資風(fēng)險(xiǎn)權(quán)重指標(biāo)。1.評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化證券投資風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)數(shù)值可以看作一個(gè)含有m個(gè)評(píng)價(jià)單位,n個(gè)評(píng)價(jià)指標(biāo)的評(píng)價(jià)矩陣。其中,公式(1)適用于指標(biāo)值越大越好的指標(biāo),即收益性指標(biāo);公式(2)適用于指標(biāo)值越小越好的指標(biāo),即成本性指標(biāo)。2.熵值的計(jì)算第j個(gè)評(píng)價(jià)指標(biāo)的熵值是該指標(biāo)重要程度的衡量,且是負(fù)相關(guān)關(guān)系。3.熵權(quán)的計(jì)算指標(biāo)的熵權(quán)與其熵值呈反比關(guān)系,因而引入差異系數(shù)來(lái)表示該關(guān)系。定義第j個(gè)評(píng)價(jià)指標(biāo)的熵權(quán)為:

        (二)定性權(quán)重的計(jì)算根據(jù)風(fēng)險(xiǎn)的可預(yù)測(cè)性,證券投資風(fēng)險(xiǎn)分為系統(tǒng)風(fēng)險(xiǎn)和非系統(tǒng)風(fēng)險(xiǎn)。一般認(rèn)為,系統(tǒng)風(fēng)險(xiǎn)可測(cè),而非系統(tǒng)風(fēng)險(xiǎn)則依賴(lài)于先決經(jīng)驗(yàn)判斷,這個(gè)判斷過(guò)程往往是一種定性分析過(guò)程。層次分析法(AHP)是一種基于定性評(píng)價(jià)分值的簡(jiǎn)易決策方法[6],該方法可以快速有效得出評(píng)價(jià)指標(biāo)權(quán)重并對(duì)評(píng)價(jià)單位進(jìn)行排序,設(shè)基于AHP法的證券投資評(píng)價(jià)指標(biāo)權(quán)重為ωj2,該權(quán)重是證券投資風(fēng)險(xiǎn)的經(jīng)驗(yàn)性主觀判斷的量化。

        (三)集成熵權(quán)-AHP權(quán)重的計(jì)算證券投資是一種基于主觀經(jīng)驗(yàn)和客觀事實(shí)的綜合決策。主觀判斷體現(xiàn)了指標(biāo)的價(jià)值量,而客觀分析則包含了指標(biāo)的信息量[3]。文獻(xiàn)[1]從證券投資的主觀賦權(quán)方法入手研究投資的定性風(fēng)險(xiǎn),文獻(xiàn)[2]則研究了證券投資的定量風(fēng)險(xiǎn)。而集成熵權(quán)-AHP方法則兼顧了主觀和客觀賦權(quán),該方法在獲取指標(biāo)價(jià)值量的同時(shí)耦合了指標(biāo)的信息量,對(duì)于證券投資風(fēng)險(xiǎn)量化更加接近事實(shí);诳陀^賦權(quán)法指標(biāo)權(quán)重ωj1和基于主觀賦權(quán)法的指標(biāo)權(quán)重ωj2可以看作n維空間中的兩個(gè)向量,這兩個(gè)向量存在一定的相關(guān)關(guān)系,也就是一定程度的信息重疊,但又有部分變異。因此同時(shí)與這兩個(gè)向量擁有最小距離的新向量ω*j則可以最大限度地反映這兩個(gè)向量的共同信息;谶@個(gè)分析,集成的熵權(quán)-AHP權(quán)重計(jì)算可以表示為如下的線性規(guī)劃問(wèn)題。

        二、集成熵權(quán)—AHP法的實(shí)證研究

        文獻(xiàn)[1]和[2]用同一組數(shù)據(jù)分別研究了定性和定量證券投資風(fēng)險(xiǎn),本文引用這組數(shù)據(jù)進(jìn)行定量和定性分析結(jié)合的研究,并把研究結(jié)果與文獻(xiàn)[1]和[2]作比較來(lái)說(shuō)明本文方法的優(yōu)越性。

        (一)集成熵權(quán)-AHP權(quán)重計(jì)算把ωj1、ωj2和yij代入公式(5),通過(guò)MATLAB7編程計(jì)算可得基于集成的熵權(quán)-AHP權(quán)重算法的證券投資風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)權(quán)重ω*j,表1是基于定量分析、定性分析和定量定性分析結(jié)合的證券投資風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)權(quán)重比較表。從表1可以看出,ω*j的值介于ωj1和ωj2之間,縮小了ωj2因?yàn)閬?lái)源于主觀賦權(quán)而帶來(lái)的較大標(biāo)準(zhǔn)差,也就是說(shuō)弱化了評(píng)價(jià)指標(biāo)之間的價(jià)值量變異影響;與此同時(shí)也擴(kuò)大ωj1數(shù)值之間的差距,為評(píng)價(jià)指標(biāo)信息量的度量提供區(qū)分度。為說(shuō)明集成熵權(quán)-AHP權(quán)重算法的相對(duì)優(yōu)越性,進(jìn)行了SPEARMAN相關(guān)系數(shù)的計(jì)算,計(jì)算結(jié)果見(jiàn)表2。表2顯示,ωj1和ωj2之間存在明顯相關(guān)性,說(shuō)明定量或者定性分析本身都在很大程度上表明證券投資的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)權(quán)重;但是ω*j與ωj1和ωj2的相關(guān)系數(shù)則大幅度提升,這個(gè)現(xiàn)象表明基于集成熵權(quán)-AHP權(quán)重算法所得的權(quán)重更好地解釋了事實(shí)。

        (二)證券投資組合風(fēng)險(xiǎn)評(píng)估證券投資組合風(fēng)險(xiǎn)估值可以表示為證券投資風(fēng)險(xiǎn)評(píng)價(jià)矩陣和評(píng)價(jià)指標(biāo)權(quán)重的線性組合。

        三、結(jié)語(yǔ)

        集成的熵權(quán)-AHP算法所得的證券風(fēng)險(xiǎn)估值在考慮先驗(yàn)經(jīng)驗(yàn)的前提下修正了AHP算法的主觀影響,同時(shí)耦合了客觀信息的參考價(jià)值,為相關(guān)人員的證券投資決策提供了一種更接近事實(shí)的經(jīng)驗(yàn)性判斷方法。

      【證券投資風(fēng)險(xiǎn)評(píng)估的研究論文】相關(guān)文章:

      金融投資風(fēng)險(xiǎn)評(píng)估技術(shù)研究論文07-03

      最新證券投資風(fēng)險(xiǎn)形成分析論文06-28

      研究證券投資基金羊群行為論文06-28

      證券投資基金行為研究精選論文06-28

      關(guān)于證券投資教學(xué)實(shí)踐研究的論文06-28

      風(fēng)險(xiǎn)投資退出機(jī)制問(wèn)題研究論文07-02

      證券投資風(fēng)險(xiǎn)的市場(chǎng)內(nèi)在機(jī)制研究分析06-25

      關(guān)于投資風(fēng)險(xiǎn)的論文07-02

      關(guān)于證券投資風(fēng)險(xiǎn)分析06-27

      碼頭拋石工程項(xiàng)目投資風(fēng)險(xiǎn)研究論文06-23