第一章绪论

1.1研究背景

在实践中投资者却往往规避于使用这一理论工具，其原因在于该模型中的两个参数均值和方差的估计效果会对模型的准确性有着非常大的影响。正如这篇文章提到的一样“尽管证券组合理论在理论研究上非常有用，但是实践中却是一个误差增大器，它在实践中的运用往往导致误差的增大甚至产生投资无关性组合”。这篇文章中作者通过设定不同的投资者风险厌恶水平来考察均值、方差、协方差三者对模型估计效果的具体影响程度。文章发现在风险厌恶水平较低的情况下，这些参数估计的效果对模型的影响程度较大，随着风险厌恶程度的提高，影响程度也会随着降低。但是在同一风险厌恶水平下均值对模型的影响程度又大于方差和协方差。由此可见，如果要提高该模型的估计效果，一个首先要解决的问题就是如何提高模型中均值和方差的准确性。由于时间和精力的有限，本文没有考虑同时提高均值和方差的估计效果，而是将主要精力放在了如何通过提高方差和协方差的估计来改善该模型的估计效果。

1.2研究创新

在运用马克维茨理论推导最佳资产组合模型时，需要估计各个股的协方差矩阵。我们首先考虑了传统样本协方差矩阵。我们研宄了不同的个股数目与样本数目的比值。随着比值的增大，传统样本协方差估计法的性态表现愈趋不稳定，各特征值的变动范围增大。当有缺失数值存在时，通过传统样本协方差估计法得到的协方差矩阵存在着诸如不可逆，或者即使可逆但性态较差，最小特征值甚至出现负数，不满足正定性等缺点。对此，本文又考虑了基于三因素模型得到协方差估计，并考察此协方差矩阵估计量及其逆矩阵在不同比值下的性态表现。

..............

第二章文献综述

2.1马克维茨投资组合理论概况及其局限一误差敏感性

我们在确定单个资产的权重时不仅要考虑这一资产本身的收益和方差，我们还要考虑它与其他资之间的相互关系。马科维茨（指出只有通过这种方式我们才能找到在既定风险下的最高收益组合，或者在既定收益下的最小风险组合。马科维茨（均值方差理论模型，将风险定义为整个资产组合的方差，而这一方差不仅取决于单个资产的方差，同时还取决于资产与资产之间的协方差。自这一理论诞生之后，学术界对于资产投资组合理论的研宄都是建立在马科维茨（均值方差理论之上。著名的资本资产定价模型就是这一理论在资产定价方面的应用和拓展。

2.2高维情况下传统样本协方差估计法失效

常用的方法有以及自回归模型。而提到在金融领域的研究中，通过对数据引入因素模型来降维是一个非常不错的选择，因为利用三因素模型我们只需要估计个参数，而利用传统的样本协方差估计却要估计个参数。这篇文章作者从理论和模拟实证两方面充分证明了矩阵维数对协方差矩阵估计的影响以及基于因素模型的协方差估计量较传统样本协方差矩阵的优良性态。

通过协方差矩阵构造的资产组合才和理论一致，这也说明了矩阵维数对于估计效果的重要性。最后作者通过选取年月日到年月日期间天，个行业股票数据进行实验数据模拟实证研宄验证了理论的正确性，但是作者并没有将研究扩展到中国股票市场，数据的选取时间较久远，并且将股票数量限制在个行业。本文基于这篇文章的研宄思路，对中国沪深两市股市场年月日到年月日的数据进行实证研究，证明了这种方法在中国股票市场上的适用性以及由此估计法计算的我国股票资产组合权重。

第三章理论模型...........18

3.1Fan，Fan and Lv降维估计法................18

3.2马克维茨最优资产组合计算.....................19

第四章中国股票市场上的实证研究.................21

4.1样本数据来源及说明...........................21

4.2样本数据的处理......................22

第五章结论..................38

5.1文章总结...........................38

5.2本文的不足之处及改进方向.......................40

第四章中国股票市场上的实证研究

4.1样本数据来源及说明

本文所选样本数据来源于国泰安数据库（年月日到年月日，沪深主板市场全部股上市公司日股票收益率（不考虑红利再投资）；以及该期间每日的三因子数据。之所以选择年作为起点，是因为在这之前中国资本市场有着不同于其他国家的非典型现象即国有股、法人股和流通股并存的同股不同权现象。李体委中作者就提出我国上市公司流通市值比对股票收益率的研宄有着重要的影响，该篇文章运用市值比因子代替标准三因素模型中账面市值比来研究年月到年月沪深两市股股票收益率，发现修正后的模型解释力好于标准的三因素模型；随后作者从纵向上将股分为和年两个区间，统一用流通市值比因子改造后的模型检验我国股权分置改革的成效，发现随着股权分置改革的深入，非流通股对中国股票收益率的影响在下降，这说明了年以后中国资本市场不同其其他国家的这一独特现象在逐步消失。

4.2样本数据的处理

为本文后面比较不同水平下两种估计方法的优劣也创造了条件。同时这样的处理也是合理的，因为考虑到在历时较长的时间跨度里，由于公司上市的时间不同，某些股票在样本期间经历停市或者退市等原因导致其股票的交易数据较少，而本文又未单独考虑这些特殊处理类股票，所以通过设定一个门榲值让这些特殊处理类或者交易数据确实太少的股票不能进入资产组合。这样的假设也不无道理，因为在实际投资时，投资者更愿意关注那些历史较长，交易正常类的股票。

...........

第五章结论

5.1文章总结

从资产组合权重方面来看，两种估计方法下得到的资产组合权重差异非常明显，在我们分析中，即使改变比值，因素模型估计法下得到的资产组合权重仍显示出一定的优越性，主要表现为权重的相对集中性，波动的幅度不是很大。然而样本估计法下得到的资产组合权重却表现出与比值的高度关联性。当比值较大时，样本估计法下得到的权重波动范围达到。当比值下降个百分点，权重的波动幅度就可以下降，可见维数对样本估计法下得到的权重的影响是十分显著和巨大的。

5.2本文的不足之处及改进方向

本文是一篇基于利用中国股票市场数据来验证因素模型在估计高维协方差矩阵时的优势并将其应用于金融领域马克维茨资产组合的实证研究。以力求找到一个更为合理的协方差估计方法来提高马克维茨资产组合理论模型在实践应用中的准确性。通过文献综述部分可以看出，学术界对于马克维茨资产组合理论的缺陷上进行了大量的研究，证明该模型对误差的敏感性，但他们也区别了不同误差对模型程度的研宄，其中均值的误差对模型的影响程度最高，其次是方差。因此如果要更为全面的提高马克维茨资产组合理论在实践中的准确性，研宄均值和方差都是必需的。

.................

参考温馨（略）